دانلود ترجمه مقاله استفاده از مدل هوش مصنوعی جهت پیش بینی SPEI (ساینس دایرکت – الزویر ۲۰۱۸) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در ۱۰ صفحه در سال ۲۰۱۸ منتشر شده و ترجمه آن ۲۵ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۱۸
تعداد صفحات مقاله انگلیسی	۱۰ صفحه با فرمت pdf
نوع مقاله	ISI
نوع نگارش	مقاله پژوهشی (Research Article)
نوع ارائه مقاله	ژورنال
رشته های مرتبط با این مقاله	مهندسی کشاورزی، کامپیوتر
گرایش های مرتبط با این مقاله	مدیریت منابع آب، مهندسی آب، هوش مصنوعی،
چاپ شده در مجله (ژورنال)	کامپیوتر و الکترونیک در کشاورزی – Computers and Electronics in Agriculture
ارائه شده از دانشگاه	دانشکده مهندسی عمران، دانشکده مهندسی لی کونگ چیان، مالزی
کلمات کلیدی	خشکسالی، موجک، آنفیس، آن، آرمیا
کلمات کلیدی انگلیسی	ANFIS, ANN, ARIMA, Drought, Wavelet
نویسندگان	Y.W. Soh, C.H. Koo, Y.F. Huang, K.F. Fung
نمایه (index)	Scopus – Master journal List – JCR
شناسه شاپا یا ISSN	ISSN ۰۱۶۸-۱۶۹۹
شناسه دیجیتال – doi	https://doi.org/10.1016/j.compag.2017.12.002
ایمپکت فاکتور(IF) مجله	۴٫۰۱۵ در سال ۲۰۱۸
شاخص H_index مجله	۹۶ در سال ۲۰۱۹
شاخص SJR مجله	۰٫۹۵۰ در سال ۲۰۱۸
شاخص Q یا Quartile (چارک)	Q1 در سال ۲۰۱۸
بیس	است ✓
مدل مفهومی	دارد ✓
پرسشنامه	ندارد ☓
متغیر	دارد ✓
رفرنس	دارد ✓
کد محصول	۸۸۶۶
لینک مقاله در سایت مرجع	لینک این مقاله در نشریه Elsevier
نشریه الزویر

• فهرست مطالب:

چکیده

مقدمه

روش شناسی

بررسی منطقه و کسب داده

شاخص استاندارد تبخیر تعرق بارندگی (SPEI)

تبخیر تعرق بالقوه (PET)

محاسبه SPEI

ARIMA، ANN، ANFIS و مدل های تبدیل موجک گسسته

مدلهای ترکیبی

موجک (ARIMA-ANN (WAANN

سیستم استنتاج نورو- فاز پذیر موجک-سازگارپذیر (WANFIS)

ارزیابی عملکرد مدل

نتایج و بحث

آزمایشات همگنی

توسعه مدل

ارزیابی عملکرد مدل ها

نتیجه گیری

تشکر و قدردانی

• بخشی از ترجمه:

۴٫ نتیجه گیری

دو مدل هیبریدی یعنی WAANN و WANFIS برای پیش بینی SPEI آینده در حوضچه رودخانه لانگت، مالزی انتخاب شدند. این داده های ورودی برای توسعه هر دو مدل قبل از پردازش با تبدیل موجک برای بهبود عملکرد مدل ها تغییر می کند. بر اساس پارامترهای آماری کلیدی، عملکرد هر دو مدل WAANN و WANFIS به دلیل کاهش صدای چند بسامدی با افزایش طول فیلتر افزایش یافته است ، زمانی که مقیاس زمانی افزایش یافت. برای پیش بینی SPEI-1، خطاهای WAANN و WANFIS حاصل شده توسط هر دو مدل نسبتا بالا در مقایسه با SPEI-3 و SPEI-6 بررسی شدند چرا که هر دو مدل در تشخیص صدای چند بسامدی برای نوسان SPEI-1 بسیار موثر نبودند.

• بخشی از مقاله انگلیسی:

۴٫ Conclusions

Two hybrid models, namely the WAANN and WANFIS were selected to forecast the future SPEI at the Langat River Basin, Malaysia. The input data for development of both models was pre-processed with wavelet transform to enhance the performance of the models. Based on the key statistical parameters, the performance of both WAANN and WANFIS models improved due to the reduction of white noise by increasing the filter length, when the time scale increased. For the prediction of SPEI-1, the errors obtained by both WAANN and WANFIS models were considered relatively high compared to SPEI-3 and SPEI-6 because both models were less effective in detecting the white noise for highly fluctuating SPEI-1.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد