پیشبینی اقلیمی پارامترهای هواشناسی شهر بوشهر با استفاده از شبکه های عصبی مصنوعی دینامیک

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 654

فایل این مقاله در 14 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:

NACONF02_0450

تاریخ نمایه سازی: 27 آبان 1393

چکیده مقاله:

تغییر اقلیم یکی از معضلات کنونی جامعه بشری است و تهدیدی برای سیاره زمین به شمار میآید که بررسی و پیشبینی عناصر آن هم از جهت برنامهریزیهای مربوط به آبیاری، کنترل آفات و بیماریها، خشکسالی و هم از جهت مدیریت شرایطبحران اهمیت زیادی دارد. از آنجا که دو پارامتر دما و رطوبت از مهمترین پارامترهای هواشناسی میباشند و بقیه تغییرات جوی همسو با تغییرات این دو پارامتر میباشد بنابراین در این مقاله سعی شده است با استفاده از مدلهای شبکه عصبی خودرگرسیونNARو شبکه عصبی خودرگرسیونی با ورودیهای برونزاNARX پیشبینی مناسبی برای این دوپارامتر صورت بگیرد. برای این منظور از دادههای هواشناسی سازمان استان بوشهر (مربوط به سالهای 1391 و 1392 ) ومعیارهای ارزیابی کارایی مدلها از جملهNRMSE و RMSE ،R2 استفاده شده است. ساختارهای مختلف برای مدلهای شبکه عصبی مصنوعی دینامیک با مقایسه شاخص جذر متوسط مربع خطا بررسی گردید. نتایج ارزیابی کارایی مدلهانشان داد که مدل غیر خطی شبکه عصبی خودرگرسیونیNARXدر پیشبینی دما و رطوبت از دقت بیشتری در مقایسه بامدل شبکه عصبی خود رگرسیونNAR برخوردار میباشد. برای انجام این پژوهش از برنامهMATLAB2012aاستفاده شده است.

نویسندگان

معصومه مهاجری برازجانی

دانشجوی کارشناسی ارشد نرم افزار کامپیوتر دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر

سرخوش صدیقی چهاربرج

استادیار و عضو هیات علمی دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر

یوسف قیصری

استادیار و عضو هیات علمی دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر

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 :
  • اسفندیاری درآباد، فریبا، ‌حسینی، سید اسعد، آزادی مبارکی، محمد و ...
  • حیاتی، محسن، کاربرد شبکه‌های عصبی در پیش‌بینی وضع هوا، انتشارات ...
  • خلجی اسدی، مرتضی‌نوراللهی، یونس و صفائی، شروین، پیش‌بینی سرعت باد ...
  • خورشید دوست، علی محمد و قویدل رحیمی، یوسف، مطالعه نوسانات ...
  • تخمین آبدهی حوزههای آبخیز فاقد آمار با استفاده از شبکه عصبی مصنوعی [مقاله کنفرانسی]
  • صلاحی، برومند، حسینی، سید اسعد، شایقی، حسین و سبحانی، بهروز، ...
  • AbdAlKader, S. A. (2011). Nonlinear Autoregressive neural network for ع& ...
  • Di Piazza, A. Di Piazza, M C., & Vitale, G. ...
  • Di Piazza, A., Di Piazza, . C., & Vitale, G. ...
  • Haykin, S. (1994). Neural Networks: A Comprehensive Foundation. Macmillan, New ...
  • Imran, M. and Riaz Khan, M. and Abraham, A. 2004. ...
  • Jose maria, P. and Menezes, _ and Guiherme, A.B. 2008.Long ...
  • Kim, T, Valdes, J.B, (2003). Nonlinear model for drought forecasting ...
  • Medsker, L.R., and Jain, L.C. (2000). Recurrent Neural Networks: Design ...
  • Mohammed, L. B., Hamdan, M. A., Abdelhafez, E. A., « ...
  • Neural Network Toolbox for use with Matlab New 2011, user's ...
  • Olaiya, F. and Adeyemo, A.B. 2012. Application of Data Mining ...
  • S. Haykin, Neural Network: A Comprehensive Foundation, 2nd ed. Prentice ...
  • S. Mandal and N. Prabaharan. 2006. Ocean Wave forecasting using ...
  • Selcuk Nogay, H., Cetin Akinci, T., Eidukeviciute, M., 2012, Application ...
  • Swanson, D.A., Tayman, J., Bryan, T.M., (2011): "MAPE-R: a Rescaled ...
  • نمایش کامل مراجع