پروژه آماده علوم داده

این پروژه ترجمه آماده مقاله ای تحت عنوان،  پیش‌بینی تشت تبخیر با ترکیب جنگل تصادفی و پرسپترون چندلایه به کمک الگوریتم ژنتیک به زبان فارسی می باشد. در ادامه چکیده ای از این ترجمه جهت بررسی شما قرار داده شده است: چکیده: این پژوهش به بررسی کاربرد الگوریتم‌های یادگیری ماشین در پیش‌بینی تشت تبخیر (Ep) می‌پردازد که یک عامل حیاتی در مدیریت منابع آب و شاخصی برای ارزیابی میزان تقاضا و استفاده از آب است. این تحقیق اثربخشی دو مدل پایه یعنی مدل جنگل‌ تصادفی (RF) و پرسپترون چندلایه (MLP) و نسخه بهینه‌سازی شده آنها با استفاده از الگوریتم ژنتیک (GA) را ( که به آنها GA-RF و GA-MLP می گویند) برای مدل‌سازی تشت تبخیر (Ep) در یک ایستگاه هدف با استفاده از داده‌های ایستگاه‌های مجاور مورد ارزیابی قرار می‌دهد. مجموعه داده‌ها به دو بخش تقسیم شد: یک مجموعه به عنوان آموزش (۷۰%) و یک مجموعه نیز به عنوان آزمون (۳۰%) در نظر گرفته شد. عملکرد مدل‌ها با استفاده از سه معیار آماری یعنی ضریب همبستگی (CC) شاخص پراکندگی (SI) و شاخص توافق ویلموت (WI) ارزیابی شد. مدل‌های بهبود یافته، به خصوص GA-MLP-5، با مقدار ضریب همبستگی برابر با ۰٫۸۷۰۴، شاخص پراکندگی برابر با ۰٫۲۵۳۹ و شاخص توافق ویلموت برابر با ۰٫۹۲۱۲، عملکرد برتری نشان دادند،که این مقادیر نشان‌دهنده قدرت قابل توجه GA در بهبود دقت پیش‌بینی مدل‌های RF و MLP است. جهت دانلود فایل مقاله بر روی لینک زیر کلیک کنید: