首页> 外文OA文献 >IMPLEMENTASI JARINGAN SARAF TIRUAN BERBASIS BACKPROPAGATION UNTUK PREDIKSI CUACA HARIAN KOTA SEMARANG
【2h】

IMPLEMENTASI JARINGAN SARAF TIRUAN BERBASIS BACKPROPAGATION UNTUK PREDIKSI CUACA HARIAN KOTA SEMARANG

机译:基于反向传播的人工神经网络在三宝垄市日常天气预测中的实现

摘要

Mengingat semakin pentingnya prediksi cuaca yang akurat akibat semakin meningkatnya aktivitas manusia yang juga dipengaruhi cuaca, maka penulis membuat penelitian yang bertujuan memprediksi cuaca harian Kota Semarang dengan mengimplementasikan jaringan saraf tiruan berbasis algoritma backpropagation. Jaringan yang digunakan memiliki arsitektur : 1 input layer, 1 hidden layer, dan 1 output layer. Input layer terdiri dari 8 node bobot dan 1 node bias. Hidden layer terdiri dari 9 node bobot dan 1 node bias. Output layer terdiri dari 3 node bobot. Pelatihan jaringan tersebut menggunakan parameter : learning rate 0,2 ; maximum epoch 150 ; dan target error 0,01. Jika epoch pelatihan sudah mencapai maximum epoch, atau nilai MSE (Mean Square Error) pada epoch ke-n lebih kecil atau sama dengan target error, maka pelatihan dihentikan. Kemudian dilanjutkan dengan proses pengujian untuk megetahui tingkat akurasi jaringan tersebut. Penelitian ini menggunakan sebanyak 212 data kondisi cuaca harian Kota Semarang secara acak, di mana sebanyak 180 data akan dijadikan sebagai data latih, dan 32 data sisanya akan dijadikan sebagai data uji.
机译:考虑到由于人类活动的增加(同时也受天气影响)而进行准确的天气预报的重要性日益提高,作者进行了旨在通过实施基于反向传播算法的人工神经网络来预测三宝垄市每日天气的研究。所使用的网络具有以下体系结构:1个输入层,1个隐藏层和1个输出层。输入层由8个权重节点和1个偏置节点组成。隐藏层由9个权重节点和1个偏置节点组成。输出层包含3个权重节点。网络训练使用参数:学习率0.2;最大纪元150;目标误差为0.01。如果训练时期已达到最大时期,或者第n个时期的MSE(均方误差)值小于或等于目标误差,则训练将停止。然后继续进行测试过程,以确定网络的准确性。这项研究随机使用了三宝垄市每日天气状况的212个数据,其中多达180个数据将用作训练数据,其余32个数据将用作测试数据。

著录项

  • 作者

    Hans R Christian;

  • 作者单位
  • 年度 2017
  • 总页数
  • 原文格式 PDF
  • 正文语种
  • 中图分类

相似文献

  • 外文文献
  • 中文文献
  • 专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号