>
Fa   |   Ar   |   En
   استفاده از آنتروپی شانون در پیش‌پردازش ورودی شبکه بیزین جهت مدل‌سازی سری‌های زمانی  
   
نویسنده آخونی پورحسینی فاطمه ,قربانی محمد علی ,شاهدی کاکا
منبع پژوهشنامه مديريت حوزه آبخيز - 1397 - دوره : 9 - شماره : 18 - صفحه:178 -189
چکیده    انتخاب ورودی های مناسب برای مدل های هوشمند از اهمیت بسزایی برخوردار است. زیرا باعث کاهش هزینه و صرفه جویی در وقت و افزایش دقت و کارایی مدل ها می شود. هدف از این مطالعه، کاربرد آنتروپی شانون برای انتخاب ترکیب بهینه متغیرهای ورودی در مدل سازی سری زمانی می باشد. سری زمانی ماهانه بارش، دما و تابش در دوره زمانی 1361تا1389 برای ایستگاه سینوپتیک تبریز مورداستفاده قرار گرفت. پارامترهای بارش، دما و تابش با تاخیرهای مختلف به عنوان ورودی به آنتروپی شانون در نظر گرفته شد. نتایج آنتروپی شانون نشان داد که سری زمانی با سه تاخیر، نتایج بهتری را برای مدل سازی ارائه می دهد. شبیه سازی با استفاده از دو مدل شبکه ی بیزین و رگرسیون خطی چند متغیره انجام گرفت. کارایی مدل ها با استفاده از سه معیار: ضریب تبیین (r2)، ریشه جذر میانگین خطا (rmse) و شاخص پراکندگی (si) محاسبه گردید. از میان این دو مدل با ساختار ورودی های یکسان، مدل شبکه عصبی بیزین عملکرد بهتری برای شبیه سازی سری زمانی بارش، دما و تابش در مقایسه با رگرسیون چندمتغیره داشته است. نتایج تحقیق نشان داد که آنتروپی شانون در انتخاب ترکیب ورودی مناسب برای مدل های هوشمند می تواند کارایی بهتری داشته باشد.
کلیدواژه آنتروپی، رگرسیون خطی چندمتغیره، سری زمانی، شبکه بیزین
آدرس دانشگاه تبریز, ایران, دانشگاه تبریز, ایران, دانشگاه علوم کشاورزی و منابع طبیعی ساری, دانشکده منابع طبیعی, ایران
 
   Applying Shannon Entropy in Bayesian Network Input Preprocessing For Time Series Modeling  
   
Authors Akhoni Pourhosseini Fateme ,Shahedi Kaka ,Ali Gorbani Mohammad
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved