pradip kyada (32 resultados)

Paperback. Condición: Brand New. 100 pages. 8.66x5.91x0.23 inches. In Stock.

Taschenbuch. Condición: Neu. Short-term Rainfall Forecasting using ANNs and ANFIS Models | Artificial Neural Networks and Adaptive Neuro-Fuzzy Inference System | Pradip Kyada (u. a.) | Taschenbuch | 100 S. | Englisch | 2017 | LAP LAMBERT Academic Publishing | EAN 9786202011600 | Verantwortliche Person für die EU: preigu GmbH & Co. KG, Lengericher Landstr. 19, 49078 Osnabrück, mail[at]preigu[dot]de | Anbieter: preigu.

Paperback. Condición: Brand New. 196 pages. 8.66x5.91x0.45 inches. In Stock.

Condición: New.

Taschenbuch. Condición: Neu. Prévision des précipitations à court terme à l'aide de modèles ANN et ANFIS | Réseaux neuronaux artificiels et système d'inférence neuro-floue adaptatif | Pradip Kyada (u. a.) | Taschenbuch | Französisch | 2024 | Editions Notre Savoir | EAN 9786207554881 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Condición: New.

Taschenbuch. Condición: Neu. Previsão de precipitação a curto prazo utilizando modelos ANN e ANFIS | Redes Neuronais Artificiais e Sistema de Inferência Adaptativo Neuro-Fuzzy | Pradip Kyada (u. a.) | Taschenbuch | Portugiesisch | 2024 | Edições Nosso Conhecimento | EAN 9786207554911 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Taschenbuch. Condición: Neu. Previsione delle precipitazioni a breve termine con modelli ANNs e ANFIS | Reti neurali artificiali e sistema di inferenza neuro-fuzzy adattivo | Pradip Kyada (u. a.) | Taschenbuch | Italienisch | 2024 | Edizioni Sapienza | EAN 9786207554904 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Taschenbuch. Condición: Neu. Kurzfristige Niederschlagsvorhersage mit ANNs und ANFIS-Modellen | Künstliche neuronale Netze und adaptive Neuro-Fuzzy-Inferenzsysteme | Pradip Kyada (u. a.) | Taschenbuch | 92 S. | Deutsch | 2024 | Verlag Unser Wissen | EAN 9786207554874 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.

Taschenbuch. Condición: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Rainfall forecasting still represents an extremely important issue in hydrology. On the other hand, rainfall is one of the most complicated effective hydrologic processes in runoff prediction. In the present study an attempt has been made to develop artificial neural networks (ANN) and adaptive neuro-fuzzy inference system (ANFIS) models for forecasting of daily rainfall for monsoon period of Junagadh, Gujarat, India. The data of period (1st June to 30th October) of years 1979-1981, 1984-1989 and 1991-2007 were used to train the models and data of years 2008-2011 were used for test the models. The sensitivity analysis was used to identify the most important parameter for rainfall prediction. In ANN model, back-propagation algorithm and sigmoid activation function used to train and test the models while in ANFIS models, gaussian and generalized bell membership function are used. It was found from the study that the performance of the ANN double hidden layer model with four input parameters is better than the ANFIS model. The sensitivity analysis indicated that the most important input parameter besides rainfall itself is the vapour pressure in rainfall forecasting. 100 pp. Englisch.

Taschenbuch. Condición: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 92 pp. Spanisch.

Condición: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Autor/Autorin: Kyada PradipThe author, Pradip M. Kyada has completed his B.Tech (Agri. Engg.) in 2011 from College of Agri. Engg. and Tech., J.A.U., Junagadh (Gujarat). He also obtained M. Tech. (Soil and Water Cons. Engg.) degree in 2013 from GBPU.

Condición: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Autor/Autorin: Kachhadiya SureshDr. S. P. Kachhadiya, Assistant Research Scientist, Office of the Directorate of Research, JAU, Junagadh. He guided 9th PG students and published more than 15 original research papers in national and international j.

Taschenbuch. Condición: Neu. This item is printed on demand - Print on Demand Titel. Neuware -Rainfall forecasting still represents an extremely important issue in hydrology. On the other hand, rainfall is one of the most complicated effective hydrologic processes in runoff prediction. In the present study an attempt has been made to develop artificial neural networks (ANN) and adaptive neuro-fuzzy inference system (ANFIS) models for forecasting of daily rainfall for monsoon period of Junagadh, Gujarat, India. The data of period (1st June to 30th October) of years 1979-1981, 1984-1989 and 1991-2007 were used to train the models and data of years 2008-2011 were used for test the models. The sensitivity analysis was used to identify the most important parameter for rainfall prediction. In ANN model, back-propagation algorithm and sigmoid activation function used to train and test the models while in ANFIS models, gaussian and generalized bell membership function are used. It was found from the study that the performance of the ANN double hidden layer model with four input parameters is better than the ANFIS model. The sensitivity analysis indicated that the most important input parameter besides rainfall itself is the vapour pressure in rainfall forecasting.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 100 pp. Englisch.

Taschenbuch. Condición: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Rainfall forecasting still represents an extremely important issue in hydrology. On the other hand, rainfall is one of the most complicated effective hydrologic processes in runoff prediction. In the present study an attempt has been made to develop artificial neural networks (ANN) and adaptive neuro-fuzzy inference system (ANFIS) models for forecasting of daily rainfall for monsoon period of Junagadh, Gujarat, India. The data of period (1st June to 30th October) of years 1979-1981, 1984-1989 and 1991-2007 were used to train the models and data of years 2008-2011 were used for test the models. The sensitivity analysis was used to identify the most important parameter for rainfall prediction. In ANN model, back-propagation algorithm and sigmoid activation function used to train and test the models while in ANFIS models, gaussian and generalized bell membership function are used. It was found from the study that the performance of the ANN double hidden layer model with four input parameters is better than the ANFIS model. The sensitivity analysis indicated that the most important input parameter besides rainfall itself is the vapour pressure in rainfall forecasting.

Taschenbuch. Condición: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 92 pp. Französisch.

Taschenbuch. Condición: Neu. This item is printed on demand - Print on Demand Titel. Neuware -La previsión de las precipitaciones sigue siendo un tema de gran importancia en hidrología. Por otra parte, la precipitación es uno de los procesos hidrológicos efectivos más complicados en la predicción de la escorrentía. En el presente estudio se ha intentado desarrollar modelos de redes neuronales artificiales (RNA) y de sistemas de inferencia neuro-fuzzy adaptativos (ANFIS) para la predicción de la precipitación diaria en el periodo monzónico de Junagadh, Gujarat, India. Los datos del período (1 de junio a 30 de octubre) de los años 1979-1981, 1984-1989 y 1991-2007 se utilizaron para entrenar los modelos y los datos de los años 2008-2011 se utilizaron para probar los modelos. El análisis de sensibilidad se utilizó para identificar el parámetro más importante para la predicción de las precipitaciones. En el modelo RNA, se utilizó el algoritmo de retropropagación y la función de activación sigmoidea para entrenar y probar los modelos, mientras que en los modelos ANFIS se utilizaron las funciones de membresía gaussiana y de campana generalizada. Del estudio se desprende que el rendimiento del modelo ANN de doble capa oculta con cuatro parámetros de entrada es mejor que el modelo ANFIS. El análisis de sensibilidad indicó que el parámetro de entrada más importante, además de la precipitación en sí, es la presión de vapor en la previsión de precipitaciones.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 92 pp. Spanisch.

Taschenbuch. Condición: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - La previsión de las precipitaciones sigue siendo un tema de gran importancia en hidrología. Por otra parte, la precipitación es uno de los procesos hidrológicos efectivos más complicados en la predicción de la escorrentía. En el presente estudio se ha intentado desarrollar modelos de redes neuronales artificiales (RNA) y de sistemas de inferencia neuro-fuzzy adaptativos (ANFIS) para la predicción de la precipitación diaria en el periodo monzónico de Junagadh, Gujarat, India. Los datos del período (1 de junio a 30 de octubre) de los años 1979-1981, 1984-1989 y 1991-2007 se utilizaron para entrenar los modelos y los datos de los años 2008-2011 se utilizaron para probar los modelos. El análisis de sensibilidad se utilizó para identificar el parámetro más importante para la predicción de las precipitaciones. En el modelo RNA, se utilizó el algoritmo de retropropagación y la función de activación sigmoidea para entrenar y probar los modelos, mientras que en los modelos ANFIS se utilizaron las funciones de membresía gaussiana y de campana generalizada. Del estudio se desprende que el rendimiento del modelo ANN de doble capa oculta con cuatro parámetros de entrada es mejor que el modelo ANFIS. El análisis de sensibilidad indicó que el parámetro de entrada más importante, además de la precipitación en sí, es la presión de vapor en la previsión de precipitaciones.

Taschenbuch. Condición: Neu. Previsión de precipitaciones a corto plazo mediante RNA y modelos ANFIS | Redes Neuronales Artificiales y Sistema de Inferencia Neuro-Fuzzy Adaptativo | Pradip Kyada (u. a.) | Taschenbuch | Spanisch | 2024 | Ediciones Nuestro Conocimiento | EAN 9786207554898 | Verantwortliche Person für die EU: preigu GmbH & Co. KG, Lengericher Landstr. 19, 49078 Osnabrück, mail[at]preigu[dot]de | Anbieter: preigu Print on Demand.

Taschenbuch. Condición: Neu. This item is printed on demand - Print on Demand Titel. Neuware -La prévision des précipitations reste une question extrêmement importante dans le domaine de l'hydrologie. D'autre part, les précipitations sont l'un des processus hydrologiques efficaces les plus compliqués dans la prévision du ruissellement. Dans la présente étude, on a tenté de développer des modèles de réseaux neuronaux artificiels (ANN) et de systèmes d'inférence neuro-floue adaptatifs (ANFIS) pour la prévision des précipitations quotidiennes pendant la période de mousson à Junagadh, Gujarat, Inde. Les données de la période (1er juin au 30 octobre) des années 1979-1981, 1984-1989 et 1991-2007 ont été utilisées pour former les modèles et les données des années 2008-2011 ont été utilisées pour tester les modèles. L'analyse de sensibilité a été utilisée pour identifier le paramètre le plus important pour la prévision des précipitations. Dans le modèle ANN, l'algorithme de rétropropagation et la fonction d'activation sigmoïde ont été utilisés pour former et tester les modèles, tandis que dans les modèles ANFIS, les fonctions d'appartenance gaussienne et de cloche généralisée ont été utilisées. L'étude a montré que les performances du modèle ANN à double couche cachée avec quatre paramètres d'entrée sont meilleures que celles du modèle ANFIS. L'analyse de sensibilité a indiqué que le paramètre d'entrée le plus important, outre les précipitations elles-mêmes, est la pression de vapeur dans la prévision des précipitations.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 92 pp. Französisch.

Taschenbuch. Condición: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - La prévision des précipitations reste une question extrêmement importante dans le domaine de l'hydrologie. D'autre part, les précipitations sont l'un des processus hydrologiques efficaces les plus compliqués dans la prévision du ruissellement. Dans la présente étude, on a tenté de développer des modèles de réseaux neuronaux artificiels (ANN) et de systèmes d'inférence neuro-floue adaptatifs (ANFIS) pour la prévision des précipitations quotidiennes pendant la période de mousson à Junagadh, Gujarat, Inde. Les données de la période (1er juin au 30 octobre) des années 1979-1981, 1984-1989 et 1991-2007 ont été utilisées pour former les modèles et les données des années 2008-2011 ont été utilisées pour tester les modèles. L'analyse de sensibilité a été utilisée pour identifier le paramètre le plus important pour la prévision des précipitations. Dans le modèle ANN, l'algorithme de rétropropagation et la fonction d'activation sigmoïde ont été utilisés pour former et tester les modèles, tandis que dans les modèles ANFIS, les fonctions d'appartenance gaussienne et de cloche généralisée ont été utilisées. L'étude a montré que les performances du modèle ANN à double couche cachée avec quatre paramètres d'entrée sont meilleures que celles du modèle ANFIS. L'analyse de sensibilité a indiqué que le paramètre d'entrée le plus important, outre les précipitations elles-mêmes, est la pression de vapeur dans la prévision des précipitations.

Taschenbuch. Condición: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 88 pp. Italienisch.

Taschenbuch. Condición: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 88 pp. Portugiesisch.

Taschenbuch. Condición: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 92 pp. Deutsch.

Condición: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Autor/Autorin: Kyada PradipL autore, Pradip M. Kyada, ha conseguito il B.Tech (Agri. Engg.) nel 2011 presso il College of Agri. Engg. and Tech., J.A.U., Junagadh (Gujarat). Ha inoltre conseguito il M. Tech. (Soil and Water Cons. Engg.) nel 2013 pre.

Condición: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Autor/Autorin: Kyada PradipDer Autor, Pradip M. Kyada, hat seinen B.Tech (Agri. Engg.) 2011 am College of Agri. Engg. and Tech., J.A.U., Junagadh (Gujarat). Ausserdem erwarb er den M. Tech. (Soil and Water Cons. Engg.) im Jahr 2013 von der GBPUAT, P.

Taschenbuch. Condición: Neu. This item is printed on demand - Print on Demand Titel. Neuware -Die Niederschlagsvorhersage ist nach wie vor ein äußerst wichtiges Thema in der Hydrologie. Andererseits ist der Niederschlag einer der kompliziertesten effektiven hydrologischen Prozesse bei der Abflussvorhersage. In der vorliegenden Studie wurde ein Versuch unternommen, künstliche neuronale Netze (ANN) und adaptive Neuro-Fuzzy-Inferenzsysteme (ANFIS) für die Vorhersage der täglichen Niederschläge für die Monsunzeit in Junagadh, Gujarat, Indien, zu entwickeln. Die Daten des Zeitraums (1. Juni bis 30. Oktober) der Jahre 1979-1981, 1984-1989 und 1991-2007 wurden zum Trainieren der Modelle und die Daten der Jahre 2008-2011 zum Testen der Modelle verwendet. Die Sensitivitätsanalyse wurde verwendet, um den wichtigsten Parameter für die Niederschlagsvorhersage zu ermitteln. Im ANN-Modell wurden der Backpropagation-Algorithmus und die Sigmoid-Aktivierungsfunktion zum Trainieren und Testen der Modelle verwendet, während in den ANFIS-Modellen die Gauß- und die verallgemeinerte Glockenzugehörigkeitsfunktion verwendet wurden. Die Studie ergab, dass die Leistung des ANN-Modells mit zwei versteckten Schichten und vier Eingangsparametern besser ist als die des ANFIS-Modells. Die Sensitivitätsanalyse ergab, dass der wichtigste Eingangsparameter neben dem Niederschlag selbst der Dampfdruck bei der Niederschlagsvorhersage ist.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 92 pp. Deutsch.

Taschenbuch. Condición: Neu. This item is printed on demand - Print on Demand Titel. Neuware -La previsione delle precipitazioni rappresenta ancora un problema estremamente importante in idrologia. D'altra parte, le precipitazioni sono uno dei processi idrologici più complicati nella previsione del deflusso. Nel presente studio si è cercato di sviluppare modelli di reti neurali artificiali (ANN) e di sistemi di inferenza neuro-fuzzy adattivi (ANFIS) per la previsione delle precipitazioni giornaliere nel periodo monsonico di Junagadh, Gujarat, India. I dati del periodo (1 giugno-30 ottobre) degli anni 1979-1981, 1984-1989 e 1991-2007 sono stati utilizzati per addestrare i modelli e i dati degli anni 2008-2011 sono stati utilizzati per testare i modelli. L'analisi di sensibilità è stata utilizzata per identificare il parametro più importante per la previsione delle precipitazioni. Nel modello ANN, l'algoritmo di back-propagation e la funzione di attivazione sigmoide sono stati utilizzati per addestrare e testare i modelli, mentre nei modelli ANFIS sono state utilizzate le funzioni di appartenenza gaussiana e a campana generalizzata. Dallo studio è emerso che le prestazioni del modello ANN a doppio strato nascosto con quattro parametri di ingresso sono migliori rispetto al modello ANFIS. L'analisi di sensibilità ha indicato che il parametro di input più importante, oltre alle precipitazioni stesse, è la pressione di vapore nella previsione delle precipitazioni.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 88 pp. Italienisch.

Taschenbuch. Condición: Neu. This item is printed on demand - Print on Demand Titel. Neuware -A previsão da precipitação continua a ser uma questão extremamente importante em hidrologia. Por outro lado, a precipitação é um dos processos hidrológicos mais complicados e eficazes na previsão do escoamento superficial. No presente estudo, procurou-se desenvolver modelos de redes neuronais artificiais (RNA) e de sistemas de inferência neuro-fuzzy adaptativos (ANFIS) para a previsão da precipitação diária durante o período de monção em Junagadh, Gujarat, Índia. Os dados do período (1 de junho a 30 de outubro) dos anos 1979-1981, 1984-1989 e 1991-2007 foram utilizados para treinar os modelos e os dados dos anos 2008-2011 foram utilizados para testar os modelos. A análise de sensibilidade foi utilizada para identificar o parâmetro mais importante para a previsão da precipitação. No modelo ANN, o algoritmo de retropropagação e a função de ativação sigmoide foram utilizados para treinar e testar os modelos, ao passo que nos modelos ANFIS, foram utilizadas as funções de afiliação gaussiana e de sino generalizada. O estudo revelou que o desempenho do modelo ANN de camada oculta dupla com quatro parâmetros de entrada é melhor do que o modelo ANFIS. A análise de sensibilidade indicou que o parâmetro de entrada mais importante, para além da própria precipitação, é a pressão de vapor na previsão da precipitação.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 88 pp. Portugiesisch.

Taschenbuch. Condición: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Die Niederschlagsvorhersage ist nach wie vor ein äußerst wichtiges Thema in der Hydrologie. Andererseits ist der Niederschlag einer der kompliziertesten effektiven hydrologischen Prozesse bei der Abflussvorhersage. In der vorliegenden Studie wurde ein Versuch unternommen, künstliche neuronale Netze (ANN) und adaptive Neuro-Fuzzy-Inferenzsysteme (ANFIS) für die Vorhersage der täglichen Niederschläge für die Monsunzeit in Junagadh, Gujarat, Indien, zu entwickeln. Die Daten des Zeitraums (1. Juni bis 30. Oktober) der Jahre 1979-1981, 1984-1989 und 1991-2007 wurden zum Trainieren der Modelle und die Daten der Jahre 2008-2011 zum Testen der Modelle verwendet. Die Sensitivitätsanalyse wurde verwendet, um den wichtigsten Parameter für die Niederschlagsvorhersage zu ermitteln. Im ANN-Modell wurden der Backpropagation-Algorithmus und die Sigmoid-Aktivierungsfunktion zum Trainieren und Testen der Modelle verwendet, während in den ANFIS-Modellen die Gauß- und die verallgemeinerte Glockenzugehörigkeitsfunktion verwendet wurden. Die Studie ergab, dass die Leistung des ANN-Modells mit zwei versteckten Schichten und vier Eingangsparametern besser ist als die des ANFIS-Modells. Die Sensitivitätsanalyse ergab, dass der wichtigste Eingangsparameter neben dem Niederschlag selbst der Dampfdruck bei der Niederschlagsvorhersage ist.