تحلیل و پیش بینی روزهای خشک ایران زمین با استفاده مدل شبکه عصبی مصنوعی

thesis
abstract

بسیاری از پدیده های طبیعی- اقلیمی نظیر بارش از تغییرپذیری بالایی برخوردارند. این ویژگی در رخداد حالات مختلف بارش به خوبی نمایان است. یکی از این حالات، عدم رخداد بارش در امتداد زمان و طی روزهای سال است، که تداوم آن موجب بروز روزهای خشک و به دنبال آن پدیده خشکسالی می شود. در این پژوهش سعی شده است با نشان دادن تصویر کلی از مشخصات عمومی بارش در پهنه ایران، به پیش بینی روزهای خشک پرداخته شود. در پژوهش حاضر با استفاده از داده های روزانه بارش کشور در طول دور? آماری (2008-1961) با به کارگیری الگو زنجیره مارکوف به تعیین الگوی احتمالاتی روزهای خشک پرداخته شود. سپس به منظور انجام عملیات پهنه بندی و افراز نواحی مشابه و نیز پرهیز از انجام تحلیل بر روی تک تک ایستگاه ها، با استفاده از تحلیل خوشه ی، محاسبه فاصله اقلیدسی و روش ادغام وارد مناطق همگن به لحاظ روزهای پیش بینی شده با مدل مارکوف تشخیص داده شد. در نهایت 7 گروه برای پهنه ایران به دست آمده و نماینده هر یک از گروه ها انتخاب گردید. سپس به منظور تعیین زمان تاخیرهای لازم برای برازش الگوی شبکه عصبی و با به کارگیری تکنیک تحلیل طیفی برای نماینده هر یک از گروه ها، چرخه های معنادار برآورد گردید. در نهایت، با استفاده از طول دوره آماری (2008-1976) و نیز بر اساس آزمون و خطای تاخیرهای مورد نظر در نرم افزار matlab و شاخه neural network به پیش بینی روزهای خشک پرداخته شد. شبکه مورد استفاده در این پژوهش، شبکه چند لایه پس انتشار feed-forwad با الگوریتم مارکوارت- لونبرگ و تابع انتقال خطی در لایه خروجی و تانژانت سیگموئید در لایه میانی می باشد. نتایج به دست آمده نشان داد که در بیش تر ایستگاه های مورد بررسی شبکه عملکرد بالایی داشته و توانسته پیش بینی نزدیک به واقعیت داشته باشد. اما در ایستگاه رشت پاسخ مطلوبی برای وقوع روزهای خشک نداده است. نتایج مقایسه پیش بینی روزهای خشک حاصل از زنجیره مارکوف و شبکه عصبی نشان داد که دو مدل صلاحیت بالایی در برآورد روزهای خشک ایران زمین دارند.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

تحلیل و پیش‌بینی روزهای خشک با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه تهران)

شبکه‌های عصبی مصنوعی  به­عنوان یکی از تکنیک‌های غیرخطی در مطالعات اقلیمی و هیدرولوژی اهمیت فراوانی به­خود اختصاص داده­اند. تغییراقلیم و به­دنبال آن گرمایش جهانی از پدیده‌های اقلیمی به شمار می‌رود. شمار روزهای خشک و تداوم آن خشکسالی را به­دنبال دارد. در این پژوهش از داده‌های بارش روزانه طی سال‌های (1976-2008) و شبکه عصبی مصنوعی در نرم‌افزار MATLAB به­منظور پیش‌بینی شمار روزهای خشک ایستگاه تهران ...

full text

مدل 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 text

پیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA

تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی ارائه می­گردد. در این تحقیق، از شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...

full text

پیش بینی سطح ایستابی مناطق خشک و نیمه خشک با استفاده از شبکه عصبی مصنوعی و قانون یادگیری Gradient Descent.

full text

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 text

مدل 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...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه زنجان - دانشکده علوم انسانی

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023