برآورد آب قابل بارش با استفاده از اطلاعات واحد گمانه زن مایکروویو پیشرفته و به روش معکوس شبکه های عصبی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه هرمزگان
- نویسنده رویا رضوانی زاده
- استاد راهنما ابوالحسن غیبی حسین ملکوتی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
چکیده: توصیف صحیح حالت جو برای پیش بینی دقیق شرایط آینده، خصوصاً در مورد پارامترهای متغییری نظیر مقدار بارش، حیاتی است . برای فرایند بارش، موجودی بخار آب (در هر شکل بخار و مایع یا جامد) و دما، که ماکزیمم موجودی بخار آب در جو را تعیین می کند، از مهمترین متغییرها می باشند. در این تحقیق داده های ماهواره ای از سنجنده amsu-b ماهواره noaa -16 و داده های گمانه زنی بالون در بازه زمانی سال 2003 تا 2008 برای برآورد آب قابل بارش در روی خشکی به روش شبکه-های عصبی مصنوعی مورد استفاده قرار گرفته است. سنجنده amsu-b روی تعداد زیادی از ماهواره-هایnoaa موجود است اما دلیل انتخاب ماهواره noaa-16 فقط به خاطر این که زمان عبور آن از فضای ایران کمترین اختلاف زمانی را با پرتاب بالون در ایران دارد می باشد، در مجموع 1250 روز زوج داده های ماهواره ای و گمانه زنی بالون که اختلاف زمانی کمتر از یک ساعت داشته اند جمع آوری گردیده است. چندین مدل شبکه عصبی و همچنین رگرسیون برای بازیابی آب قابل بارش مورد استفاده قرار گرفته که در بین آنها دو مدل کمترین مقدار خطا را داشت .در مدل اول شبکه عصبی با هفت ورودی که داده های سنجنده amsu-b و دما و دمای نقطه شبنم ورودی های مدل و آب قابل بارش خروجی آن را تشکیل می داد بایاس 40/0 میلی متر و ریشه میانگین مربعی خطا 33/3 میلی متر و ضریب همبستگی80/0 بود. درمدل دوم شبکه عصبی با چهار ورودی که فقط از داده های سنجنده amsu-b به عنوان ورودی شبکه و آب قابل بارش به عنوان خروجی استفاده گردید، بایاس 20/1 میلی متر و ریشه میانگین مربعی خطا99/3 میلی متر و ضریب همبستگی 73/0 به دست آمد. آب قابل بارش را با استفاده از روش رگرسیون نیز برآورد نموده ایم و نتایج آن را با روش شبکه های عصبی مصنوعی مقایسه نموده که در روش رگرسیون برای مدل اول با هفت ورودی بایاس50/0 میلی-متر وریشه میانگین مربعی87/3 میلی متر و ضریب همبستگی75/0 و برای مدل دوم با چهار ورودی بایاس 49/1 میلی متر و ریشه میانگین مربعی79/4 میلی متر و ضریب همبستگی 57/0محاسبه گردیده است.که از نتایج معلوم گردید روش شبکه های عصبی مصنوعی در برآورد آب قابل بارش نسبت به روش رگرسیون تواناتر بوده است.
منابع مشابه
طبقه بندی آب شهاب ها با استفاده از اطلاعات مایکروویو ماهواره ای و روش شبکه های عصبی
آب شهاب های موجود در جو، به هر شکلی که باشند (جامد، مایع و گاز)، با تابش مایکروویو (از طریق پراکندگی، جذب و گسیل) برهمکنش می کنند. اندازه گیری های گمانه زن مایکروویو پیشرفته واحد b (amsu-b) روی ماهواره های noaa به نوع، شکل و توزیع اندازه و همچنین رفتار سقوطی آب شهاب ها در حجم تفکیک ابزار سنجش حساس و در نتیجه برای مطالعه انواع مختلف آب شهاب های جوی مفید می باشند. از جمله کاربرد اطلاعات خرد فیزیک...
متن کاملبرآورد آب معادل برف در استان کرمان جهت مدیریت منابع آب با استفاده از داده های سنجش از دور مایکروویو غیر فعال به روش شبکه های عصبی مصنوعی و تکنیک های رگرسیون چندگانه
پوشش برف معرف میزان آب ذخیره‌شده است و درنتیجه آب حاصل از ذوب برف نقش مهمی را درایجاد رواناب‌های سطحی و آبهای زیرزمینی در حوضه‌های آبریز کشور ایفا می‌کند. آشکارسازی و تعیین ویژگی‌های م...
متن کاملطبقهبندی آب‌شهاب‌ها با استفاده از اطلاعات مایکروویو ماهواره‌ای و روش شبکه‌های عصبی
آب‌شهاب‌های موجود در جو، به هر شکلی که باشند (جامد، مایع و گاز)، با تابش مایکروویو (از طریق پراکندگی، جذب و گسیل) برهمکنش می‌کنند. اندازه‌گیری‌های گمانه‌زن مایکروویو پیشرفته واحد B (AMSU-B) روی ماهواره‌های NOAA به نوع، شکل و توزیع اندازه و همچنین رفتار سقوطی آب‌شهاب‌ها در حجم تفکیک ابزار سنجش حساس و در نتیجه برای مطالعه انواع مختلف آب‌شهاب‌های جوی مفید می‌باشند. از جمله کاربرد اطلاعات خرد فیزیک...
متن کاملبرآورد ظرفیت مالیاتی کشور با استفاده از شبکه های عصبی
ظرفیت مالیاتی، ظرفیت اقتصادی یک کشور برای تحمل فشار انواع مالیات ها است به عبارت دیگر، میزانی است که مردم می توانند مالیات بپردازند. تعیین ظرفیت مالیاتی کار دشواری است. بررسی چگونگی افزایش درآمد مالیاتی به عنوان بخشی از درآمدهای دولت از اهمیت ویژه ای برخوردار است. در این راستا، یک برآورد دقیق از ظرفیت مالیاتی و شناخت منابع موجود آن، ضروری به نظر می رسد. مناسب ترین معیار برای محاسبه و برآورد این...
متن کاملبرآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی شهرستان سنندج با استفاده از مدل شبکه عصبی مصنوعی
زمینه و هدف: شناسایی آبهای زیرزمینی آلوده به آرسنیک با استفاده از پارامترهای سطحی خاک و مدلسازی این رابطه در دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه میتواند در مدیریت منابع آبی منطقه مفید باشد. مواد و روشها: در این مطالعه برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی سنندج با استفاده از مدل های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد آزمون قرار گرفت. در این راستا از بین چاه ها ی مجو...
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 هرمزگان
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023