پیش بینی دراز مدت میزان بارش (ماهانه و فصلی) با استفاده از شبکه های عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه هرمزگان - دانشکده علوم دریایی
- نویسنده فتانه باقرزاده
- استاد راهنما ابوالحسن غیبی
- سال انتشار 1393
چکیده
این پژوهش، روش شبکه های عصبی با الگوریتم پس انتشار خطا را برای پیش بینی بلند مدت بارندگی در مقیاس زمانی ماهانه و فصلی در ایران مورد بررسی قرار می دهد. در این راستا به منظور پیش بینی بلند مدت بارش در ماه های اکتبر تا مارس و فصول پاییز و زمستان، از داده های 14 ایستگاه سینوپتیکی کشور و همچنین، دو شاخص اقلیمی بزرگ مقیاس soi و nino3,4در بازه ی زمانی (2010 – 1960) به مدت 51 سال بهره گرفته شد. پروژه در سه بخش، برای پیش بینی بارش ماهانه و فصلی (1) کل کشور (با714 الگو)، (2) اقلیم های خشک (153 الگو)، نیمه خشک (357 الگو) و بیابانی (204 الگو) و (3) بارش محلی تک تک ایستگاه ها (51 الگو) به انجام رسید. در هر بخش، ضرایب همبستگی داده های ایستگاهی شامل، میانگین رطوبت نسبی، میانگین دمای نقطه ی شبنم، بارش ماهانه و سالانه و شاخص های soi و nino3,4، با بارش ماه ها و فصول مورد بررسی محاسبه گردید و پارامترهایی که بیشترین بستگی را داشتند به عنوان ورودی-های شبکه انتخاب شدند. از کل الگوها در هر بخش، 80 درصد به عنوان الگوهای آموزشی و 20 درصد به عنوان الگوهای آزمون در نظرگرفته شدند. به کمک الگوریتم لونبرگ – مارکوارت برای هر بخش مدل های پیش بینی به دست آمد. نتایج حاصل از اعتبارسنجی مدل ها به کمک شاخص های متعددی از جملهrmse ،bias ، میانه و انحراف معیار حاکی از کارایی خوب مدل های شبکه ی عصبی، برای پیش بینی بارش ماهانه و فصلی به خصوص، ماه اکتبر و فصل پاییز است. همچنین، ضرایب همبستگی پارامترها در هر بخش نشان می دهند که شاخص های بزرگ مقیاس اقلیمیsoi وnino3,4 ، به عنوان تأثیر گذارترین پارامترها بر بارش ماه های اکتبر و نوامبر و فصل پاییز محسوب می شوند.
منابع مشابه
پیش بینی بارش ماهانه در منطقه ایران با استفاده از ترکیب شبکه های عصبی مصنوعی و فیلتر کالمن توسعه یافته
بارش باران یکی از مهمترین پدیده‌های جوّی است که بر زندگی بشر اثر می‌گذارد. پیش‌بینی بارش باران برای اهداف مختلفی مانند برنامه‌ریزی فعالیت‌های کشاورزی، پیش<st...
متن کاملپیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی (مورد: تهران)
گسترش سریع استفاده از شبکه های عصبی مصنوعی ( ann) به عنوان مدل تجربی و کارآمد در علوم مختلف از جمله هواشناسی و اقلیم شناسی نشان دهنده ضرورت ارزش بالای مطالعه این مدل هاست. پیش بینی بارش برای اهداف مختلفی نظیر برآورد سیلاب، خشکسالی، مدیریت حوضه آبریز، کشاورزی و ... دارای اهمیت بسیاری است. هدف این مقاله پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی در شهر تهران می باشد. در این تحقیق از ...
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 تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی
پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا نام...
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 - دانشکده علوم دریایی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023