پیش بینی بارش های سالانه سال بعد بر مبنای برخی از عناصر اقلیمی دوره سرد سال قبل در ایستگاه های سینوپتیک کرمانشاه و همدان با استفاده از شبکه عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - دانشکده ادبیات و علوم انسانی
- نویسنده حمیدرضا الفت میری
- استاد راهنما غلامرضا زاهدی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1388
چکیده
بارش به عنوان مهمترین پدیده های اقلیمی،همیشه برای انسان دارای اهمیت فراوان بوده است . این اهمیت باعث شده که بشر به فکر پیش بینی بارش باشد تا بتواند بر اساس آن برنامه ریزیهای خود را به بهترین وجه به انجام برساند. استفاده از شبکه های عصبی مصنوعی یکی از روش های پیش بینی می باشد که در سال های اخیر توسعه زیادی پیدا کرده است. در این تحقیق برای پیش بینی بارش سال بعد در دو ایستگاه سینوپتیک کرمانشاه و نوژه همدان از آمار برخی عناصر اقلیمی فصل سرد سال قبل استفاده شده است . به این منظور هفت عنصر اقلیمی بعنوان ورودی به شبکه های طراحی شده درنظر گرفته شدکه شامل : میانگین دما،بارش ، رطوبت نسبی، نسبت مخلوط ، فشار بخار ، دمای نقطه شبنم و فشار تبدیل شده به سطح دریا است . خروجی شبکه ها بارش سال بعد در نظر گرفته شد. با توجه به ماهیت غیر خطی عناصر اقلیمی در نظر گرفته شده در این تحقیق ، از شبکه های mlp استفاده شد که از انواع شبکه های پیشرو با الگوریتم های آموزشی نظارتی است و مناسب داده ها غیر خطی می باشند. برای آموزش شبکه ها دو رده الگوریتم آموزشیدیگر نیز بکار گرفته شد که شامل الگوریتم های آموزشی bp و الگوریتم نرمال سازی اعداد می باشد . در نهایت ترکیب این الگوریتم منجر به تولید 720 شبکه آموزشی در دو ایستگاه شد وشبکه عصبی مصنوعی در هر دوایستگاه موفق به پیش بینی بارش گردید که بهترین پیش بینی در ایستگاه کرمانشاه مربوط به تابع آموزشی traingd و الگوریتم نرمال سازی میانگین و انحراف معیار با testerror معادل 0195/0 در دوره سرد سال ( مجموع پاییز و زمستان) و در ایستگاه نوژه همدان مربوط به تابع آموزشی traingdx و الگوریتم نرمال سازی pca0/06 با testerror معادل 0047/ در فصل زمستان بود.
منابع مشابه
پیش‌بینی بارش‌های سالانه در ایستگاه‌های سینوپتیک کرمانشاه و نوژۀ همدان با استفاده از شبکۀ عصبی مصنوعی
اهمّیّت پیش‌بینی بارش به عنوان مهمترین عنصر اقلیمی و مبنای تمام برنامه‌ریزی‌ها، به‌ویژه در مناطقی که رژیم‌های بارش تغییرات معنی‌دار دارد، بر هیچ‌کس پوشیده نیست. استفاده از شبکه‌های عصبی مصنوعی یکی از روشهای پیش‌بینی است که در سالهای اخیر توسعۀ زیادی یافته است. در این پژوهش برای پیش‌بینی بارش‌های سال بعد در دو ایستگاه سینوپتیک کرمانشاه و نوژۀ همدان از دادههای برخی از عناصر اقلیمی فصول سرد سال ...
متن کاملکاربرد 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 دمای کمینه ایستگاه کرج با استفاده از داده های شاخص های پیوند از دور و شبکه عصبی مصنوعی
توجه علمی به مخاطرات محیطی که آسیب پذیری بسیاری از کشورهای دنیا را به دنبال دارد، آغازی نسبتاً تازه دارد. یکی از این خطرها یخبندانها می باشند که سبب زیانهای عظیمی در زمینه های کشاورزی، حمل و نقل، انرژی ، زیست محیطی و غیره شده است. جهت جلوگیری از خطرات ناشی از آنها استفاده از روشهای پیش بینی امکان پیش آگاهی از حداقل دما و رخداد پدیده یخبندان را فراهم ساخته تا مسئولان در جهت جلوگیری از آن...
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 رازی - دانشکده ادبیات و علوم انسانی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023