مدل سازی دماهای حداقل شهرستان ارومیه با استفاده از مدل های رگرسیونی خطی و غیرخطی چندگانه و شبکه-های عصبی مصنوعی
نویسندگان
چکیده
دماهای حداقل عامل اصلی محدود کننده بسیاری از فعالیت های کشاورزی اعم از زراعت و باغداری است که هر ساله خسارات و صدمات زیادی را به محصولات کشاورزی وارد می سازد. آگاهی از احتمال وقوع این دماها برای جلوگیری از خسارت احتمالی، دارای اهمیت بسزایی است. در برنامه ریزی های مختلفی که در ارتباط با اقلیم شناسی است، اقلیم شناسان سعی می کنند با تجزیه و تحلیل داده های یک یا چند متغیر اقلیمی در گذشته، به اصول، قوانین و مدل هایی دست یابند که بر این اساس وضعیت آن را در آینده پیش بینی کنند. از روش های مهم در این زمینه مدل های رگرسیونی و شبکه های عصبی مصنوعی از مولفه های هوش مصنوعی است که امروزه به طور وسیع در زمینه مدل سازی و پیش بینی پارامترهای اقلیمی مورد استفاده قرار می گیرد. در این پژوهش امکان مدل سازی و پیش بینی دماهای حداقل شهرستان ارومیه با استفاده از این مدل ها مورد بررسی و تجزیه تحلیل قرار گرفت. بدین منظور از متغیرهای میانگین حداکثر رطوبت نسبی، میانگین سرعت باد، میانگین مجموع بارش، میانگین حداقل و حداکثر دمای دوره آماری 26 ساله (2000-1975) جهت پیش بینی دماهای حداقل5 ساله (2005-2001) و مقایسه آن با داده های واقعی استفاده گردید. بدین منظور از امکانات و توابع موجود در نر م افزارهای matlab/2010 و spss/21 بهره گرفته شد و برای هر ماه یک مدل با خطای کمتر از 5 درصد طراحی گردید. سپس به بررسی شاخص عملکرد مدل ها از طریق معیارهای آماری از جمله ضریب تعیین، مجذور میانگین مربعات خطا، میانگین مربعات خطا، میانگین مطلق خطا، میانگین درصد نسبی خطا و ضریب همبستگی پرداخته شد. نتایج حاصل، ضمن مدل سازی پیش بینی دماهای حداقل، نشان داد که خطای حداکثر مدل های شبکه عصبی مصنوعی، رگرسیون خطی و غیرخطی با داده های واقعی به ترتیب برابر 85/0، 06/3 و 26/3 درجه سلسیوس است که توانایی قابل توجه مدل شبکه عصبی مصنوعی در پیش بینی دماهای حداقل در مقایسه با مدل های رگرسیونی را نشان می دهد. از این رو با استفاده از این مدل ها می توان وضعیت های دمایی را از قبل تعریف نموده و در مدیریت منابع و برنامه ریزی های محیطی دخالت داد. از نتایج حاصله می توان در اجرای روش های مقابله با سرما و یخبندان در زمینه های مختلف مدیریت منابع سوخت، کشاورزی و ماشین آلات کشاورزی، سیستم های آبیاری و خطوط انتقال آب، بیماری ها، حمل و نقل و تصادفات جاده ای و غیره بهره گرفت.
منابع مشابه
مدلسازی دماهای حداقل شهرستان ارومیه با استفاده از مدلهای رگرسیونی خطی و غیرخطی چندگانه و شبکه-های عصبی مصنوعی
دماهای حداقل عامل اصلی محدود کننده بسیاری از فعالیت های کشاورزی اعم از زراعت و باغداری است که هر ساله خسارات و صدمات زیادی را به محصولات کشاورزی وارد می سازد. آگاهی از احتمال وقوع این دماها برای جلوگیری از خسارت احتمالی، دارای اهمیت بسزایی است. در برنامه ریزی های مختلفی که در ارتباط با اقلیم شناسی است، اقلیم شناسان سعی میکنند با تجزیه و تحلیل داده های یک یا چند متغیر اقلیمی در گذشته، به اصول، ...
متن کاملپیش بینی منابع مالی بانک با استفاده از مدل خطی( ARIMA) و غیرخطی شبکه های عصبی مصنوعی فازی
یکی از مهمترین موارد مورد علاقه مدیران بانکی به عنوان متغیری تأثیرگذار بر صنعت بانکداری، اطلاع از وضعیت سپردههای بانکی است که فعالیت بانک تا حد زیادی بستگی به آن دارد. ازاینرو مدیران بانکها علاقهمند هستند بدانند که میزان کل سپردههای بانک در زمان معینی در آینده چقدر خواهد بود. پیشبینی میزان سپردهها، تغییر و نوسان این سپردهها میتواند در امر برنامهریزی و تصمیمگیری به بانکها کمک نماید....
متن کاملمدل سازی عرض عملیات خاکی جاده های جنگلی با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی چندگانه
عرض عملیات خاکی، به عنوان یکی از مهم ترین پارامترهای تعیین کننده حجم خاکبرداری و خاکریزی، در هزینه و تخریب ناشی از عملیات جاده سازی در جنگل مؤثر است. هدف از این پژوهش بررسی امکان پیش بینی عرض عملیات خاکی جاده های جنگلی است. برای نیل به این هدف دو روش شبکه عصبی مصنوعی و رگرسیون خطی چندگانه بکار گرفته شده است. برای این منظور، 192 مقطع عرضی در جادههای جنگلی سوردار-واتاشان مورد بررسی قرار گرفتند....
متن کاملمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملمدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک
دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...
متن کاملمدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی
در این مقاله, انرژی ضربهëی فولادهای مرتبهëای در دماهای مختلف با استفاده از شبکهëهای عصبی مصنوعی مدلëسازی شده است. فولادهای مرتبهëای با استفاده از چیدمانëها و ضخامتëهای مختلف فولادهای ساده کربنی و زنگëنزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سربارهëای الکتریکی، تولید میëشوند. نفوذ اتمëهای مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبهëای فریتی و آستنیتی میëگردد. شش نوع مدل...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
اندیشه جغرافیاجلد ۶، شماره ۱۲، صفحات ۱-۳۳
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023