بررسی نوسانات دریای خزر با استفاده از سری زمانی و مدل های مبتنی بر شبکه عصبی

thesis
abstract

دریای مازندران بزرگترین دریاچه جهان محصور به خشکی است .سالیان متمادی پیشروی آب دریای خزر موجب خسارت های زیادی شد.درراستای تهدید جدی نوسانات آب دریای مازندران، محققین به دنبال روش مناسب برای بررسی این ضرورت بودند.دراین تحقیق بااستفاده از سری زمانی ماهانه سطح آب دریاچه، در ایستگاه انزلی در طی سالهای 2013 - 1970 مدل مناسب برای بررسی رفتار دراز مدت و کوتاه مدت آن بدست آمد. در مقایسه ای که بین روشهای ناپارامتری (روش هالت - وینترز) و روشهای پارامتریک ( مدل باکس –جنکینز) و شبکه عصبی صورت گرفت ،تفاوت معنی داری در نتایج پیش بینی سه مدل دیده نشد و عملا نتایج سه مدل یکسان می باشند. از نظر آماره mse، مدل منتخب مدل باکس جنکینزمی باشد.اما از نظر سهولت انجام کارو همچنین نداشتن مشکلاتی از قبیل آماده سازی داده ها ، روش هالت - وینترز گزینه ای بهتر خواهد بود. بر اساس پیش بینی به عمل آمده از هر سه مدل ،سطح آب دریای خزر دارای روندی قطعی و نزولی بوده به نحوی که تا سال 2023 سطح دریاچه در حدود 40 سانتی متر افت خواهد داشت.

similar resources

تحلیل و پیش بینی نوسانات تراز آب دریای خزر با استفاده از مدل های استوکستیک سری زمانی

Forecasting of sea level fluctuations is a suitable tool for comprehensive management of the sea and the protection of coastal areas. On the other hand, application of time series analysis for forecasting purposes has been evaluated to be very appropriate. Therefore, two time series consisting monthly measured sea level data were used in the present research. The data have been recorded at two ...

full text

ریزمقیاس کردن مکانی – زمانی سری های زمانی بارش با استفاده از مدل ترکیبی موجک – شبکه عصبی مصنوعی

با توجه به نیاز شبیه سازی سری های زمانی بارش در مقیاس های مختلف برای مقاصد مهندسی از یک طرف و عدم ثبت این پارامترها در مقیاس های ریز بدلیل مشکلات اجرایی و اقتصادی از طرف دیگر، ریزمقیاس کردن بارش به مقیاس مورد نظر، یک امر ضروری می باشد. در این مطالعه، برای ریزمقیاس کردن سری زمانی بارش ایستگاه های تبریز و سهند، با توجه به ویژگی های غیرخطی مقیاس های زمانی، مدل ترکیبی موجک - شبکه عصبی مصنوعی (WANN)...

full text

پیش بینی تورم ایران با استفاده از مدل های ساختاری ، سری های زمانی و شبکه های عصبی

امروزه ، پیش بینی متغیر های کلان اقتصادی از اهمیت ویژه ای برای سیاستگذاران و سایر واحد های اقتصادی برخوردار است. در نتیجه ، دردهه های اخیر ، مدل های پیش بینی گوناگونی توسعه یافته و به رقابت با یکدیگر پرداخته اند. اخیراً به موازات مدل های متداول قبلی مانند مدل های ساختاری و سری زمانی ، مدل های دیگری تحت عنوان شبکه های عصبی مصنوعی در زمینه پیش بینی متغیر های مالی و پولی بکار گرفته شده اند. این م...

full text

مدل شبکه عصبی مصنوعی تبخیر ماهانه از تشت با استفاده از داده های هواشناسی- مطالعه موردی منطقه حاشیه دریای خزر

تبخیر یکی از مؤلفه‌های اصلی چرخه آب در طبیعت بوده و تعیین دقیق آن برای بسیاری مطالعات مثل بیلان آبی حوزه، طرح ریزی و مدیریت منابع آب حائز اهمیت است. تبخیر به دلیل اثرات متقابل عوامل متعدد اقلیمی، پدیده پیچیده و غیر خطی است و لذا برای تخمین آن باید از مدل‌های پیشرفته استفاده کرد. در این تحقیق، هشت نوع ترکیب پارامترهای هواشناسی بعنوان داده‌های ورودی برای برآورد تبخیر از تشت  با استفاده از شبکه‌ها...

full text

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

دانشگاه بین المللی امام خمینی (ره) - قزوین - دانشکده فنی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023