Rainfall is illustrative of a nonli

Rainfall is illustrative of a nonlinear process and its
forecasting with relatively limited data makes it very complex
phenomenon. To overcome part of this complexity in
modeling the rainfall, an ANN procedure (MFNN) integrated
with an evolutionary optimization method such as
GA was applied. The model input(s), the most effective
neighborhood stations and their rainfall lag times, will be

ผลลัพธ์ (ไทย) 1:

ปริมาณน้ำฝนจะแสดงการไม่เชิงเส้นและการคาดการณ์มี ค่อนข้างจำกัดข้อมูลทำให้มันซับซ้อนมากปรากฏการณ์การ จะเป็นส่วนหนึ่งของความซับซ้อนในการเอาชนะปริมาณน้ำฝนในการสร้างโมเดล ขั้นตอนการแอน (MFNN) รวมด้วยวิธีการเพิ่มประสิทธิภาพของวิวัฒนาการเช่นมีใช้ GA รุ่น input(s) มีประสิทธิภาพมากที่สุดย่านสถานีและเวลาความล่าช้าของปริมาณน้ำฝน

ผลลัพธ์ (ไทย) 2:

ปริมาณน้ำฝนเป็นตัวอย่างของกระบวนการเชิงเส้นและของการคาดการณ์ที่มีข้อมูลค่อนข้าง จำกัด ทำให้มันซับซ้อนมากปรากฏการณ์ ที่จะเอาชนะเป็นส่วนหนึ่งของความซับซ้อนในการสร้างแบบจำลองปริมาณน้ำฝนที่ขั้นตอนการ ANN (MFNN) บูรณาการกับวิธีการเพิ่มประสิทธิภาพวิวัฒนาการเช่นGA ถูกนำมาใช้ ใส่รูปแบบ (s), มีประสิทธิภาพมากที่สุดสถานีและพื้นที่ใกล้เคียงครั้งล่าช้าปริมาณน้ำฝนของพวกเขาจะเป็น