فریده حبیبی
گروه فیزیک فضا، موسسه ژئوفیزیک دانشگاه تهران، تهران، ایران
[ 1 ] - پیشبینی دیدافقی با آموزش شبکه پیشخور توسط الگوریتم یادگیری پس‌انتشار ارتجاعی
پدیدههای هواشناسی حاصل سامانههای پیچیدهای هستند که بخشهای مختلفی در تماس با هم و محیط اطراف دارند. هدف این تحقیق نمایش کارایی شبکه‌های عصبی در پیشبینی متغیرهای هواشناسی است. برای این منظور پیشبینی دید افقی که کاربرد فراوان در هواشناسی و هوانوردی به‌ویژه در فرودگاهها دارد برای بررسی انتخاب شدهاست. دادههای این بررسی، تلفیقی از گزارشهای متار و سینوپ ایستگاه بندرعباس در بازه 1 تا 30 مارس ...
[ 2 ] - تحلیل همدیدی توفان حاره‌ای گونو و تاثیر آن بر جنوب شرق ایران
اَبَرتوفان گونو یکی از قوی‌ترین چرخندهای حاره‌ای در دریای عرب است که پس ازتوفان کشنده و بسیار مخرب کاترینا (در 23 اوت تا سوم سپتامبر در خلیج مکزیک در 2005) در 2007 رخ داده است. به استناد مدارک تاریخی ثبت شده در مرکز توفان اقیانوس هند، فعالیت چرخند حاره‌ای از 1970 تا 1999 در دریای عرب و دریای عمان گزارش نشده است. با این‌حال افراد کهنسال هرمزگان از وقوع چرخند مشابه گونو در 1977 صحبت می‌کنند که اطل...
[ 3 ] - اصلاح پیشبینی فرایند توفان حاره‌ای با انتخاب ویژگیهای موثر
انتخاب ویژگیهای مناسب برای بررسی و پیشبینی هر کمیت جوًی مرتبط با یک پدیده هواشناسی از قبیل وقوع توفان حاره‌ای یکی از چالش‌های اساسی شناسایی سامانه و مدل‌سازی آن است. در این تحقیق روش‌های گوناگون استخراج ویژگی از قبیل جست‌وجوی پیدرپی پیشرو، پسرو، معیار همبستگی متقابل، تحلیل مولفه‌های اصلی و تحلیل عامل‌های اصلی برای استخراج کمیت‌های مرتبط با سرعت باد در ارتفاع 10 متری از سطح زمین در زمان وقوع ...
[ 4 ] - انتخاب ویژگی و پیشبینی باد گاستی با شبکه عصبی پرسپترون چند‌لایه‌ای در ایستگاه خودکار فرودگاهی
در این مقاله ابتدا با بررسی هوای حاضر گزارشهای متار، بازه زمانی بیشترین وقوع ناپایداری ایجادکننده باد گاستی (جستی) شناسایی شد. سپس با استانداردسازی داده‌ها به بازه 1/0 تا 9/0، ویژگیهای مرتبط با جهت و سرعت باد جستی انتخاب شد. روش‌های انتخاب ویژگی در این پژوهش، اطلاعات متقابل و جستجوی پیدرپی پیشرو شناور با الگوریتم طبقه‌بندی k نزدیک‌ترین همسایگان هستند. ویژگیهای انتخابی برای پیشبینی سرعت باد...
Co-Authors