مدلسازی جهت پیش بینی خشکسالی هواشناسی و هیدروژئولوژیکی با استفاده از شبکه عصبی مصنوعی و تحلیل سری های زمانی ( مطالعه موردی: جنوب استان قزوین)

پیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA

تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی ارائه می­گردد. در این تحقیق، از شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...

پیش بینی قیمت جوجه یکروزه گوشتی در ایران با استفاده از شبکه عصبی مصنوعی و مدل های سری زمانی

مقایسه کارایی مدل شبکه عصبی مصنوعی، سری زمانی و مدل ترکیبی ANN-ARIMA در مدلسازی و پیش‌بینی شاخص منبع آب زیرزمینی (GRI) (مطالعه موردی: جنوب استان قزوین)

خشکسالی آب زیرزمینی یکی از انواع خشکسالی است که در اثر تغذیه ناکافی مخازن سفره‌های آب زیرزمینی بوجود آمده و شاخص منبع آب زیرزمینی (GRI) به عنوان روشی برای بیان وضعیت سطح آب زیرزمینی محسوب می‌شود. تاکنون روش‌ها و مدل‌های مختلفی برای پیش‌بینی و مدل‌سازی این پدیده ارائه شده است اما از آنجا که انتخاب یک مدل مناسب کار مشکلی می‌باشد می‌توان به جای استفاده از یک مدل؛ ترکیبی از مدل‌های منفرد قابل قبول ...

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...

بررسی و تحلیل خشکسالی هواشناسی با استفاده از شبکه های عصبی مصنوعی در استان تهران

خشکسالی به عنوان یکی از بزرگ ترین بلایای طبیعی بشمار می آید، چه، تاثیر آن بر جوامع بشری بیش تر از دیگر بلایای طبیعی است. مطالعه در زمینه ی خشکسالی نقشی بسیار مهم در برنامه ریزی ها و مدیریت منابع آب دارد. هدف این مقاله، تحلیل و بررسی خشکسالی بر اساس داده های بارندگی سالانه در استان تهران با استفاده از آلگوریتم بدون فراسنج تحلیل مکانی شبکه های عصبی (sann) می باشد. داده های بهنجارسازی و معیار شده ...

پیش‌بینی و بررسی روند خشکسالی هواشناسی با استفاده از سری زمانی (مطالعه موردی: حوزه آبریز سلماس)

اساس بسیاری از تصمیم‌گیری‌ها در فرآیندهای هیدرولوژیکی و تصمیمات بهره‌برداری از منابع آب بر پایه پیش‌بینی و تحلیل سری‌های زمانی است. خشکسالی حالتی نرمال و مستمر از اقلیم ایران با فراوانی وقوع نسبتاً بالا است و می‌توان با استفاده از تحلیل‌های آماری و مدل‌های ریاضی به پیش‌بینی آن پرداخت. در پژوهش حاضر به پیش‌بینی خشکسالی هواشناسی 5 ایستگاه حوزه آبریز سلماس واقع در استان آذربایجان غربی پرداخته شد. ب...