مدلسازی دماهای حداکثر شهر تهران با استفاده از شبکه های عصبی مصنوعی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 639

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEHH02_053

تاریخ نمایه سازی: 13 آبان 1393

چکیده مقاله:

با توجه به تغییرات اقلیمی و مطرح شدن بحران آب در منابع طبیعی و کشاورزی و خشکسالی های اخیر و اهمیت پیشبینی هوا در زمینههای مختلف از جمله امور اقتصادی، نظامی، کشاورزی و غیره ضرورت پیشبینی عناصر جوی مطرح میشود در این میان، پیش بینی دماهای حداکثر به عنوان یک از مهمترین عناصر اقلیمی دارای اهمیت فراوان خواهد بود. که از نتایج آن می توان در کنترل بیماری ها، خشکسالی ها، مدیریت منابع آب، مطالعات زیست محیطی، حمل و نقل و غیره جهت برنامه ریزی ومدیریت آینده منابع استفاده نمود. یکی از روشهای نوین در زمینه ی پیش بینی عناصر اقلیمی شبکه های عصبی مصنوعی از مؤلفه های هوش مصنوعی است که در جهت پیاده سازی ویژگی های شگفت انگیز مغز انسان در یک سیستم مصنوعی می کوشند و ابزاری قدرتمند در زمینه ی مدل سازی و پیش بینی پارامترهای اقلیمی اند که در این پژوهش جهت پیش بینی دماهای حداکثر شهر تهران استفاده شده است. بدین منظور از متغیر حداکثر دمای ماهانه دوره آماری 49 ساله (1999-1951) جهت پیشبینی دمای حداکثر ماهانه دوره آماری (2005-2000) جهت تعیین میزان خطای مدل و مقایسه آن با داده های مشاهداتی استفاده گردید. نتایج حاصل از پژوهش، ضمن تأیید توانایی مدل شبکهعصبی مصنوعی نشان داد که انطباق خوبی مابین مقادیر پیش بینی شده و داده های مشاهداتی وجود دارد بطوری که حداکثر خطای این مدل با داده های مشاهداتی برابر 1/34 درجه سلسیوس بوده است. از اینرو با استفاده از این مدل می توان وضعیت های دمایی را از قبل تعریف نمود و در مدیریت منابع آبی و طبیعی دخالت داد.

نویسندگان

سیداسعد حسینی

دانشجوی دکتری اقلیم شناسی دانشگاه محقق اردبیلی، اردبیل، ایران

ابراهیم مسگری

دانشجوی کارشناسی ارشد اقلیم شناسی دانشگاه پیام نور،ارومیه،ایران

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 مقاله لینک شده اند :