ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی بلند مدت بارش با استفاده از مدل ترکیبی شبکه عصبی مصنوعی و سری فوریه با در نظر گرفتن سیگنال هواشناسیNAOدر حوزه معرف کسیلیان

سال انتشار: 1389
کد COI مقاله: RCCC04_002
زبان مقاله: فارسیمشاهد این مقاله: 1,698
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی بلند مدت بارش با استفاده از مدل ترکیبی شبکه عصبی مصنوعی و سری فوریه با در نظر گرفتن سیگنال هواشناسیNAOدر حوزه معرف کسیلیان

هدایت فهمی - مدیر گروه مطالعات جامع آب و آبفا ی وزارت نیرو
نشمین احمدیانی - کارشناسی ارشد هواشناسی دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

چکیده مقاله:

شبکه های عصبی مصنوعی اخیرا توجه بسیاری را در پیش بینی به خود معطوف کرده است ،و با توجه به اینکه تغییرات سالانه بارندگی از یک الگوی کمابیش متناوب پیروی می کند، مدلهای سری فوریه نیز برای پیش بینی تغییرات بارندگی سالانه به عنوان یک شیوه پیش بینی مورد توجه است. در این تحقیق برای پیش بینی بارش از داده های ماهانه بارندگی ایستگاه سنگده درحوضه معرف کسیلیان استفاده شده است روش ارائه شده شامل دو مرحله می باشد. در مرحله اول شبیه سازی بارش با استفاده از سری فوریه صورت می گیرد و در مرحله بعد مدل ترکیبی شبکه عصبی و سری فوریه برای پیش بینی میزان بارش به کار برده می شود که سیگنال هواشناسی NAO تبدیل شده به سال ابی 1349 تا 1386 ( و مقادیر مربوط به بارش ماهانه بعنوان پیش بینی کننده predictor جهت انجام مرحله آموزش بکار گرفته میشوند ورودی های شبکه عصبی در چهار سناریو اعمال شدند. نتایج حاصل از رانش مدل ترکیبی نشان داد بهترین انطباق مربوط به سناریوی با ورودیهای شاملNAO ماه قبل و بارش ماه قبل می باشد . به منظور مقایسه نتایجمدل ترکیبی با مدلهای ARIMA فوریه و ANFIS رانش این مدلها نیز با همان سناریو ها انجام شد که مدل ترکیبی از نظر انعطاف پذیری سرعت محاسببات و دقت مناسب نسبت به مدلهای کلاسیک آماری و سایر مدلهای احتمالاتی بجز ANFIS از مزیت بالاتری برخوردار بود.

کلیدواژه ها:

پیش بینی ماهانه – شبکه عصبی مصنوعی - سری فوریه – سیگنال هواشناسی NAO،نروفازیANFIS

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/112220/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
فهمی، هدایت و احمدیانی، نشمین،1389،پیش بینی بلند مدت بارش با استفاده از مدل ترکیبی شبکه عصبی مصنوعی و سری فوریه با در نظر گرفتن سیگنال هواشناسیNAOدر حوزه معرف کسیلیان،چهارمین کنفرانس منطقه ای تغییر اقلیم،تهران،،،https://civilica.com/doc/112220

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1389، فهمی، هدایت؛ نشمین احمدیانی)
برای بار دوم به بعد: (1389، فهمی؛ احمدیانی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

  • - اکبرزاده توتونچی، محمد رضا 0 ژ علیزاده، امین . ...
  • برزی، مهدی . پور شهابی، شکوفه " پیش بینی بارش ...
  • پورکاظمی، محمد حسین0 و افسر، امیر. "مطالعه تطبیقی روش های ...
  • تشنه لب . م، م . منشی "پیش منی اقلیمی ... [مقاله کنفرانسی]
  • کارآموز، محمد و عراقی نژاد، شهاب . 1384 .هیدرولوژی پیشرفته ...
  • فهمی، هدایت . رستم افشار، ناصر . پیره، علیرضا ."تشبیه ...
  • - صلاحی، برومند .خورشید دوست، علی محمد ."ارتباط نوسان های ...
  • فرانی، وحید .صالحی، کامران ."مدل سازی بارش رواناب با استفاده ... [مقاله کنفرانسی]
  • Luk , K . G _ Ball _ G _ ...
  • Tokar , A. S., and Markus , M ., Precipitation ...
  • Zakaria . A. (2008) _ The generation of synthetic sequences ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی