โครงสร้างนิวรอลเน็ตเวิร์กที่เหมาะสมในการพยากรณ์อุณหภูมิ

Suitable Neural Network Structure in Forecasting Temperature

Name: พิราภรณ์ พัวประเสริฐสุข

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

keyword: Neural computers

; นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์)

; Weather forecasting

Abstract: Multi-layer perceptron neural network had been widely used in prediction and forecasting with some success. This Special Project Study is concerned with the comparison between recurrent neural networks and multi-layer perceptron neural network in terms of efficiency and accuracy in forecasting temperature. Recurrent networks selected for this study are Jordan and Time-lag Recurrent networks. Data used are daily temperature readings on the department of meteorology's hygrometers, situated at Bang-Na district in Bangkok, at 15:OO hrs. in 1996 . Previous work had shown that multi-layer perceptron network obtained the best result using this set of data. A neural network software known as NeuroSolutions was used as the tool for developing recurrent networks. Recurrent networks obtained high accuracy with MAPE value of less than 5%. Their results were compared with the result obtained from previous work. It revealed that recurrent networks were able to forecast with better degrees of accuracy.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

Address: กรุงเทพมหานคร (Bangkok)

Email: info.lib@mail.kmutt.ac.th

Name: ดร.กิตติชัย ลวันยานนท์

Role: อาจารย์ที่ปรึกษา

Created: 2542

Issued: 2007-01-25

Modified: 2007-01-25

วิทยานิพนธ์/Thesis

CallNumber: INT425

tha

eng

DegreeName: วิทยาศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: เทคโนโลยีสารสนเทศ

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

©copyrights King Mongkut's University of Technology Thonburi

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	INT425.pdf	554.07 KB	94	2020-03-30 15:10:45
2	INT425ab.pdf	17.1 KB	25	2020-03-30 15:11:00
3	INT425ab.txt	1.37 KB	15	2020-02-09 09:46:45

ใช้เวลา

0.054979 วินาที