کاربرد شبکه عصبی مصنوعی در خرد مقیاس نمودن برون داد های مدل gcm برای پیش بینی بارش در پهنه جنوبی کشور
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده کشاورزی
- author نوشین احمدی باصری
- adviser امین شیروانی محمد جعفر ناظم السادتا
- Number of pages: First 15 pages
- publication year 1391
abstract
در این مطالعه، شبکه های عصبی مصنوعی و مدل های رگرسیونی برای خرد مقیاس نمودن خروجی های شبیه سازی شده مدل های گردش عمومی جو استفاده شدند. داده های شبیه سازی شده بارش برای عرض های جغرافیایی ?18/25 تا ?51/34 شمالی و طول های جغرافیایی ?45 تا ?60 شرقی، ارتفاع ژئو پتانسیل در سطح 850 میلی بار و باد مداری در سطح 200 میلی بار برای عرض های جغرافیایی °56/12 تا °25/43 شمالی و طول جغرافیایی °68/19 تا °87/61 شرقی از مدلgcm echam5 برای دوره 2005- 1960 استخراج شدند. بارش ماهانه مشاهده شده ایستگاه های آبادان، آباده، اهواز، بندرعباس، بوشهر، شیراز و فسا برای دوره 2005-1960 استخراج شدند. ضریب همبستگی معنی داری بین بارش مشاهده و پیش بینی شده وجود نداشت. مولفه های اصلی داده های شبیه سازی شده استخراج و شش مولفه اصلی به عنوان ورودی مدل های شبکه عصبی مصنوعی و رگرسیون چند گانه در نظر گرفته شدند. همچنین ترکیب مجموعه داده های شبیه سازی شده به عنوان ورودی این مدل ها استفاده شدند. دوره 2000-1960 و 2005-2001 به ترتیب به عنوان دوره های آموزش و آزمون در شبکه عصبی مصنوعی در نظر گرفته شدند. نتایج ضریب همبستگی پیرسون و جذر میانگین مربعات خطای استاندارد شده نشان دادند که شبکه عصبی مصنوعی دقیق تر از رگرسیون چند گانه بارش را پیش بینی می کند. برای مقیاس زمانی ماهانه داده های شبیه سازی شده ارتفاع ژئوپتانسیل بهترین پیشگو کننده در بین بقیه می باشد. همچنین برای مقیاس فصلی (فصل زمستان) بهترین پیشگو کننده در مدل شبکه عصبی مصنوعی، مولفه های اصلی استاندارد شده داده های شبیه سازی شده بارش می باشد.
similar resources
کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه
پیشبینی بارش یکی از مهمترین مسائل در زمینه مدیریت بهینه منابع آب در بخشهای مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیشبینی بارش زمستانه استان خراسان رضوی با استفاده از شبکههای عصبی مصنوعی میباشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقهای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...
full textکاربرد شبکه های عصبی مصنوعی در پیش بینی شاخص های کلان علم و فناوری
ارزیابی تحقیق و توسعه و ارتباط بین تولید علم و تکنولوژی در سطح کلان کشورها به دلیل حجم بالای اطلاعات و تغییر و تحولات سریع در این حوزه محدود بوده است. این پژوهش با هدف درک ارتباط و عملکرد توسعه فناوری در رابطه با فعالیتهای تولید علم در سطح کشورها صورت پذیرفته است که از نوع تحقیقات توصیفی-کاربردی میباشد. هدف ساخت مدلی با استفاده از الگوریتم های پیشرفته است که توانایی پیشبینی شاخص فناوری را ...
full textارزیابی دقت شبکه عصبی مصنوعی بازگشتی نارکس در پیش بینی بارش روزانه در استان کرمان
بارش یکی از پارامترهای مهم اقلیمشناسی و سایر علوم جوّی که از اهمیّ تّ والای یّ در حیات بشر برخوردار است. در سالهای اخیر، سیل و خشکسالی خسار های فراوانی را در بس یّاری از مناطق جهان در پی داشته است. پیش بینی بارش در مدیریت و هشدار این معضلا نق شّ مهمی بر عهده دارد. امروزه شبکههای عصبی مصنوعی از جمله روشهای نوین م یّباش دّ ک هّ برای تخمین و پیشبینی پارامترها با استفاده از ارتباط ذاتی بین دادهه اّ توس عّه یا...
full textکاربرد شبکه های عصبی مصنوعی در پیش بینی شاخص بازدهی نقدی و قیمت سهام
مدل سازی پیش بینی متغیرهای مالی و اقتصادی با توجه به رفتار متغیرها، روش های گوناگونی دارد. تحقیق حاضر، چگونگی پیش بینی بازده سهام در بورس اوراق بهادار تهران را با دو مدل آربیتراژ و شبکه های عصبی مصنوعی مورد آزمون قرار داده است. برای این منظور از اطلاعات روزانه شاخص بازده نقدی و قیمت به عنوان متغیر وابسته و از اطلاعات روزانه قیمت سکه بهار آزادی، حجم معاملات کل بازار و قیمت دلار به عنوان متغیرهای...
full textکاربرد شبکه عصبی مصنوعی در پیش بینی تبخیر-تعرق با حداقل داده های هواشناسی
برآورد دقیق تبخیر- تعرق در اعمال مدیریت بهینۀ منابع آب، ضروری است. تبخیر - تعرق مؤلفه مهمی در توازن آب در مناطق مختلف به شمار میرود. مهندسین آب با علم به اینکه چه مقدار از آب آبیاری به مصرف محصول میرسد، قادر به محاسبه مهمترین جز آب در سیکل هیدرولوژیک یعنی تبخیر - تعرق خواهند بود. در مطالعه حاضر تبخیر– تعرق روزانه دشت ارومیه با استفاده از دادههای هواشناسی طی دوره آماری 1390 – 1363 به روش فائو...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده کشاورزی
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023