بررسي اثر نرمالسازي دادهها بر عملكرد شبكه عصبي مصنوعي؛ مطالعه موردي شهرستان لارستان

در كاربرد تئوریهای آماری در تحليل سریهای زمانی هيدرولوژیكی فرض بر این است كه متغيرها دارای توزیع نرمال هستند. بسياری از سریهای زمانی نرمال نبوده، لذا قبل از هرگونه تحليل و مدلسازی، بایستی آنها را نرمال كرد تابع3 . در این مطالعه با استفاده از تبدیل نرمال رایج، دادههای ميانگين هواشناسی ماهانه شهرستان لارستان در استان فارس تبدیل به دادههای با توزیع نرمال شد و سپس با استفاده از شبكههای عصبی مصنوعی پرسپترون چندلایه شبيهسازی گردید. از مقایسه بهترین ساختارهای هر روش با یكدیگر R 1/28 با مقدار5-11-1 روش مينيمم_ ماكزیمم با ساختار شبكه سه لایه MSE 1/18 = و = در مقایسه با دیگر روشها بهعنوان بهترین روش انتخاب گردید و در نهایت از مقایسه نتایج بهدست آمده از دادههای واقعی و تبدیلنشده با دادههای تبدیلیافته مشخص گردید كه تبدیل دادهها تا حد زیادی بر بهبود نتيجه شبيهسازی و بهترشدن عملكرد شبكه تاثيرگذار میباشد.