پیش بینی تاریخ وقوع آخرین یخبندانهای بهاره در شمال غرب ایران با استفاده از روش شبکه عصبی مصنوعی
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - دانشکده ادبیات و علوم انسانی
- author طیبه سجادی فر
- adviser غلامرضا زاهدی
- Number of pages: First 15 pages
- publication year 1387
abstract
بیشترین خسارات یخبندان نه در فصل سرد بلکه قبل وبعد از آن به عنوان یخبندان پیشرس پاییزه و دیر هنگام بهاره رخ می دهد. اما در فصل بهار چون هنگام گلدهی گیاهان است و در این شرایط،گیاهان بسیار آسیب پذیر می شوند ، در این تحقیق سعی شد با روش شبکه عصبی مصنوعی که روشی جدید و دقیق می باشد ،آخرین روز یخبندان برای 17 ایستگاه در شمال غرب و غرب ایران پیش بینی شود. برای این منظور از شیوه پس انتشار خطا استفاده شد.برای آموزش داده های اقلیمی شامل: اولین روز یخبندان،حداقل مطلق دما در آخرین روز یخبندان ،رطوبت در ساعت 3 0 گرینویچ در آخرین روز یخبندان،رطوبت نسبی در آخرین روز یخبندان،فشار متوسط در آخرین روز یخبندان،فشار متوسط در روز ماقبل آخرین روز یخبندا ن و ابرناکی در آخرین روز یخبندان به عنوان ورودی به شبکه ها وارد شدو آخرین روز یخبندان نیز به عنوان خروجی شبکه در نظر گرفته شد. روش شبکه عصبی مصنوعی توانست با میزان خطای قابل قبولی در مورد هر 17 ایستگاه ،آخرین روز یخبندان را پیش بینی کند. در هنگام تفسیر خروجی ها مشخص شد که عامل ارتفاع تعیین کننده ترین ،عامل برای طول دوره یخبندان و آخرین روز یخبندان در منطقه مورد مطالعه می باشد. کلید واژه : آخرین روز یخبندان، شبکه عصبی مصنوعی ،شمال غرب ایران، خطای قابل قبول
similar resources
پیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی
پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیم‌های درست یاری دهد. هدف اصلی این مطالعه پیشبینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روشهای سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...
full textمدل 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...
full textمدلسازی و پیش بینی صادرات آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه های عصبی مصنوعی
هدف اصلی این مقاله، مدلسازی و پیش بینی میزان صادرات آبزیان دریایی در ایران است. برای این منظور، از روش های سری زمانی خود توضیح جمعی میانگین متحرک(ARIMA) و شبکه عصبی مصنوعی استفاده می شود. به منظور انجام بررسی، از داده های ماهانه دوره 1374:03 تا 1387:12 برای برآورد و آموزش مدل و از داده های دوره از 1388:01 تا 1390:12 به منظور بررسی قدرت پیش بینی مدل های مختلف استفاده می شود. در این مطالعه، معیار...
full textپیش بینی مصرف کاغذ چاپ و تحریر در ایران با استفاده از روش های کلاسیک و شبکه عصبی مصنوعی
هدف از این تحقیق پیش بینی روند مصرف کاغذ چاپ و تحریر در ایران طی یک دوره زمانی 5 ساله با استفاده از روشهای کلاسیک و نوین پیش بینی است. به منظور انجام این پیش بینی، در ابتدا پیش بینی پذیر بودن سری زمانی با استفاده از آزمون های دوربین- واتسون و گردش مورد بررسی قرار گرفت. سپس به مقایسه مدل شبکه عصبی مصنوعی (پرسپترون چندلایه (MLP)) و مدل های کلاسیک تک متغیره و چندمتغیره از قبیل مدل های تک متغیره هم...
full textپیش بینی درصد متان موجود در گاز مراکز دفن زباله با استفاده از شبکه عصبی مصنوعی
Backgrounds and Objectives:A number of different technologies have recently been studied todetermine the best use of biogas, however, to choose optimize technologies of using biogas for energy recovery it is necessary to monitor and predict the methane percentage of biogas. In this study, a method is proposed for predicting the methane fraction in landfill gas originating from Labscalelandfill ...
full textپیش بینی تبخیر با استفاده از شبکه عصبی مصنوعی و سیگنا لهای اقلیمی در حوضه دز
تبخیر از پدیده های مهم چرخه آبشناختی است و تخمین و پیش بینی آن در مدیریت و برنامه ریزی اصولی آب ضروری می باشد، به همین خاطر به پیش بینی این پدیده در حوضه دز که بخش مهمی از آب مصرفی کشور را تأ مین می کند پرداخته شده است. در شبیه سازی تبخیر و بررسی امکان پیش بینی آن ازمدل شبکه عصبی مصنوعی با بهره گیری از نرم افزار نروسلوشن استفاده گردیده که آمار مربوط به تبخیر در 4 ایستگاه همدید با حداقل 19 سال آ...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - دانشکده ادبیات و علوم انسانی
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023