پیش بینی بارش روزانه با شبکه های عصبی مصنوعی در استان کرمان، (مطالعه موردی: کرمان، بافت، میانده جیرفت)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه یزد - دانشکده جغرافیا
- نویسنده معصومه نبوی زاده
- استاد راهنما کمال امیدوار فرهاد نژاد کورکی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1392
چکیده
بارش یکی از پارامترهای مهم اقلیم شناسی و سایر علوم جوی که از اهمیت والایی در حیات بشر برخوردار است. در سال های اخیر ، سیل و خشکسالی خسارت های فراوانی را در بسیاری از مناطق جهان در پی داشته است. پیش بینی بارش در مدیریت و هشدار این معضلات نقش مهمی بر عهده دارد. با دلیل تأثیر متقابل پارامترهای مختلف هواشناسی در محاسبه بارش، آن را به سوی یک فرایند بسیار نامنظم و آشوبناک سوق داده است. امروزه شبکه های عصبی مصنوعی از جمله روش های نوین می باشد که برای تخمین و پیش بینی پارامترها با استفاده از ارتباط ذاتی بین داده ها توسعه یافته است و همچنین استفاده روزافزون از شبکه های عصبی مصنوعی، به عنوان مدل تجربی و کارآمد در علوم مختلف از جمله اقلیم شناسی و هواشناسی، نشان دهنده ضرورت ارزش بالای مطالعه این مدل هاست. هدف این پژوهش، پیش بینی بارش روزانه با استفاده از آمار روزانه هواشناسی ایستگاه های کرمان، بافت و میانده جیرفت، طی دوره مشترک آماری 23 ساله (2012-1989)، می باشد. در این راستا، شبکه های عصبی مصنوعی پرسپترون(چند لایه)،شبکه تابع پایه شعاعی و شبکه عصبی بازگشتی مورد آزمون قرار گرفتند. ترکیب های مختلف با پارامترهای کمینه دما، بیشینه دما، میانگین دما، رطوبت نسبی ، سرعت و جهت باد و میانگین فشار به عنوان ورودی های شبکه های عصبی مصنوعی و بارش روزانه به عنوان خروجی شبکه در نظر گرفته شد. 80 درصد داده ها برای آموزش و 20 درصد بقیه برای تست به کار گرفته شده است. برای ارزیابی صحت و دقت شبکه های عصبی از دو شاخص میانگین مربعات خطا (mse) و ضریب همبستگی (r) استفاده گردید. تجزیه و تحلیل خروجی و میزان میانگین مربعات خطای شبکه های عصبی توابع پایه شعاعی و برگشتی، نشان داد این مدل ها، از توانایی و دقت بیشتری نسبت به شبکه های عصبی پرسپترون برای پیش بینی بارش برخوردارند. تحلیل نتایج خروجی سه شبکه نشان داده است که با افزایش فاکتورهای موثر ورودی، شبکه دقت بالاتری را در پیش بینی ارائه می دهد .سپس با استفاده از زنجیره مارکوف میزان احتمال بارش های دو روزه نیز مشخص گردید و با توجه به میزان احتمال کسب شده برای هر ایستگاه، احتمال وقوع بارش نیز شبیه سازی شد.
منابع مشابه
ارزیابی 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 کاملارزیابی د ق ت 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 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 جریان روزانه با استفاده از شبکه¬های عصبی مصنوعی و عصبی- موجکی (مطالعه موردی: رودخانه باراندوزچای)
پیشبینی دقیق جریان در رودخانهها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالیها است. به دلیل اهمیت پیشبینی جریان رودخانه، در این تحقیق جریان روزانه رودخانهی باراندوزچای در دو ایستگاه بیبکران و دیزج طی یک دورهی آماری 20 ساله با استفاده از مدل عصبی- موجکی (WNN) که تلفیق آنالیز موجک و شبکه عصبی مصنوعی (ANN) میباشد، پیشبینی گرد...
متن کاملپیش بینی دماهای حداکثر روزانه با استفاده از مدل شبکه عصبی مصنوعی در استان کرمان
دما یکی از مهم ترین پارامترها ی اقلیمی است که نقش مهمی در حیات بشر دارد. با توجه به تغییرات اقلیمی و خشکسالی های اخیر پیش بینی دماهای حداکثر از اهمیت زیادی برخوردار است. همچنین در حوزه های مختلف مدیریت منابع آبی و طبیعی، خشکسالی ها، ذوب برف و سیلاب، تبخیر و تعرق، گسترش آفات و بیماری ها اهمیت ویژه ای دارد. با توجه به توانایی شبکه های عصبی مصنوعی در شبیه سازی فرایندهای بسیار پیچیده، از آن ها برای...
پیش بینی عملکرد پسته با استفاده از رگرسیون چندمتغیره ی خطی و شبکه عصبی مصنوعی (مطالعه موردی: شهرستان های رفسنجان و انار استان کرمان)
امروزه، مدیریت اصولی اراضی بهعنوان یک راهکار مهم برای رسیدن به عملکرد بیشتر در واحد سطح و استفاده بهینه از منابع خاک و آب، مورد توجه پژوهشگران، تولیدکنندگان و سیاستگذاران عرصه کشاورزی قرار گرفته است. پژوهش حاضر با هدف بررسی ارتباط بین عملکرد پسته و عوامل مؤثر بر آن، صورت پذیرفت. بدین منظور، 129 قطعه باغ در مناطق مختلف شهرستآنهای رفسنجان و انار شناسایی و انتخاب گردید. نمونهبرداری از آب آبیار...
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 یزد - دانشکده جغرافیا
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023