پیش بینی بارش استان زنجان با استفاده از شبکه های عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده علوم انسانی
- نویسنده رسول محمدی
- استاد راهنما هوشنگ قایمی منوچهر فرج زاده
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1387
چکیده
شناخت نظام تغییرات زمانی بارش ، برنامه ریزی و به تبع آن چیرگی بر محدودیت منابع آب را افزایش داده، خسارت های حاصل از سیلاب و خشکسالی را کاهش می دهد. با استفاده از روش های مانند شبکه های عصبی مصنوعی می توان الگوریتم مناسبی جهت محاسبه و یا تخمین بارندگی در سال های آتی، بصورت کل بارندگی ماهانه و سالانه را بدست آورد. به همین دلیل آمار بارندگی هشت ایستگاه استان زنجان برای این منظور مورد ارزیابی قرار گرفت و سعی شد تا با استفاده از شاخص بارش استاندارد شده و بارش های ماهانه سال های قبل به این مهم دست بیابیم. بخاطر اینکه سیگنال های بزرگ مقیاس اقلیمی soi و nao یکی از عناصر بکار برده در این تحقیق بود به بررسی همبستگی آن ها در مقیاس های مختلف زمانی و با روش همبستگی متوالی و ساده پرداخته شد. نتایج حاکی از ارتباط معنی دار بین ضرایب همبستگی حاصل از رگرسیون soi و بارش پاییزه و زمستانه در اکثر ایستگاه ها بوده است و همین طور ارتباط معنی دار بین nao و بارش ایستگاهها وجود داشت. در ادامه کار با استفاده از شبکه های عصبی به آزمون ورودی های مختلف برای پیش بینی شاخص spi پرداخته شد بدین منظور شاخص spi به عنوان خروجی و بارش ماهانه و سیگنال های بزرگ مقیاس اقلیمی بعنوان ورودی های شبکه عصبی معرفی شد و برای تاخیرهای زمانی سه و شش و نه و دوازده ماهه پیش بینی ها صورت گرفت. نتایج بدست آمده حاکی از عملکرد مطلوب شبکه های عصبی در پیش بینی شاخص spi بود اما بکارگیری ورودی های شاخص های soi و nao در پیش بینی ها نه تنها موجب بهبود پیش بینی ها نشد بلکه عملکرد پیش بینی به میزان قابل توجهی افت پیدا کرد و از سوی دیگر تاخیرهای زمانی سه ماهه نسبت به تاخیرهای زمانی شش، نه و دوازده ماهه نتایج مطلوبتری ارائه کردند.
منابع مشابه
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...
متن کاملپیش بینی بارش ماهانه در منطقه ایران با استفاده از ترکیب شبکه های عصبی مصنوعی و فیلتر کالمن توسعه یافته
بارش باران یکی از مهمترین پدیده‌های جوّی است که بر زندگی بشر اثر می‌گذارد. پیشبینی بارش باران برای اهداف مختلفی مانند برنامه‌ریزی فعالیت‌های کشاورزی، پیش<st...
متن کاملارزیابی 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...
متن کاملمدل 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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده علوم انسانی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023