Un modèle de prédiction des précipitations utilisant un réseau de neurones artificiels

Le réseau de neurones artificiels à plusieurs couches avec une configuration d'apprentissage par rétropropagation est le plus couramment utilisé, en raison de sa facilité d'entraînement. On estime que plus de 80 % de tous les projets de réseaux de neurones en développement utilisent la rétropropagation. Dans l'algorithme de rétropropagation, il y a deux phases dans son cycle d'apprentissage, une pour propager les motifs d'entrée à travers le réseau et l'autre pour adapter la sortie en modifiant les poids dans le réseau. Le réseau de neurones à rétropropagation et propagation directe peut être utilisé dans de nombreuses applications telles que la reconnaissance de caractères, la prévision météorologique et financière, la détection de visages, etc. Cet article met en œuvre l'une de ces applications en construisant des ensembles de données d'entraînement et de test et en trouvant le nombre de neurones cachés dans ces couches pour obtenir les meilleures performances. Dans la recherche actuelle, la possibilité de prédire les précipitations moyennes dans le district d'Udupi au Karnataka a été analysée à travers des modèles de réseaux de neurones artificiels. Pour formuler des modèles prédictifs basés sur des réseaux de neurones artificiels, un réseau à trois couches a été construit. Les modèles étudiés diffèrent par le nombre de neurones cachés.