تحلیل سری های زمانی در محیط فازی

تحلیل طیفی سری های زمانی بارش سالانه ایران

بارش از مهم‌ترین و متغیرترین عناصر اقلیمی است که شناخت رفتار آن همواره مورد توجه اقلیم‌شناسان بوده است. از این رو پیـچیدگی عناصر اقلیمی در مقیاس­های زمانـی و مکانی لزوم به­کارگیری روش­های کارامد مانند تحلیل طیفی به عنوان ابزاری مفید برای مطالعه الگوهای اقلیمی را نشان می­دهد. هدف از این مطالعه بررسی و تحلیل نوسان­های بارش ایران با استفاده از  تحلیل طیفی (تحلیل همسازه­ها) می­باشد بدین منظور داده­...

مقایسه‌ی مدل سری زمانی فازی درصدی و مدل سری زمانی کلاسیک: بررسی توان پیش‌بینی کوتاه‌مدت در نوسان‌های شدید

مدل‌‌های پیش‌بینی سری زمانی فازی در دهه‌های اخیر گسترش زیادی پیدا کرده‌‏اند. این نوع مدل‏‌ها برای داده‌‏های دارای ابهام و ناکامل که ساختار خطی ندارند رفتار مناسبی ارایه داده‌‏اند. این مقاله به بررسی مدل درصد تغییرات سری‌های فازی پرداخته و با مدل آریما مقایسه کرده است. کارایی مدل پیش‌نهادی برای پیش‌بینی بر روی نفت خام اوپک مورد ارزیابی قرار گرفت و نشان داده شد که این مدل برای داده‌های با نوسان‌ه...

واکاوی زمانی بارش سالانه شهر شیراز با استفاده از تحلیل سری های زمانی

بارندگی یکی از عوامل مهم هواشناسی است که مقدار آن به نحو چشمگیری در نقاط مختلف کره زمین تغییر می‌یابد. یکی از روش‌هایی که به کمک آن می توان سیر تحولات بارندگی را درگذشته و حال بررسی نمود، آنالیز روند سری‌های زمانی در مقیاس‌های مختلف زمانی است. در این تحقیق از متوسط بارش سالانه شهر شیراز برای مدل‌سازی و پیش‌بینی با استفاده از تکنیک تحلیل سری‌های زمانی استفاده‌شده است. برای این منظور از ایستگاه س...

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...

بازسازی سری های زمانی داده های ماهواره ای دمای سطح زمین با استفاده از الگوریتم تجزیه و تحلیل هارمونیک سری های زمانی (HANTS)

دمای سطح زمین (LST) یکی از پارامترهای اساسی در مبادله انرژی بین زمین و اتمسفر است. در بسیاری از علوم مختلف از جمله اقلیم‌شناسی، هیدرولوژی، کشاورزی، اکولوژی، بهداشت عمومی و علوم زیست‌محیطی استفاده از سری­های زمانی LST کاربرد فراوان دارد. اما سری­های زمانی داده­های ماهواره­ای معمولاً دارای داده­های ناقص، از دست رفته و یا غیر قابل قبول هستند که این به دلیل حضور ابرها در تصاویر، وجود ذرات گرد و غبار...

پیش بینی متغیر های اقلیمی به کمک تحلیل سری های زمانی حوضه آبخیز زهره