مدل الگوریتم انبوه سازی ذرات در پیش بینی حداکثر دمای ماهیانه

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 530

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CESET01_231

تاریخ نمایه سازی: 14 آذر 1394

چکیده مقاله:

با توجه به تغییرات اقلیمی گرمایش جهانی وخشکسالی های اخیر پیش بینی دمای حداکثر به عنوان یکی از مهمترین پارامترهای اقلیمی فرصت مناسبی را برای برنامه ریزان قرار می دهد بررسی وتحلیل دمای حداکثر به عنوان یکی از پارامترهای اقلیمی در مدیریت منابع آبی وطبیعی کشاورزی گسترش افات وبیماری ها ذوب برف وسیلاب تبخیر وتعرق خشکسالی وغیره اهمیت زیادی دارد امروزه با گسترش مدل های هوشمند وتجربی در علوم مختلف از جمله اقلیم شناسی ولزوم پیش بینی های دقیق تر جایگزینی آن ها به جای مدل های قدیمی اهمیت پیدا می کند یکی ازاین روش ها ماشین بردار پشتیبان می باشد که یکی از مهمترین کاربردهای آن پیش بینی ومحاسبه پارامترهای اقلیم شناسی دراین تحقیق دمای حداقل متوسط درجه حرارت حداکثر مطلق دما حداقل مطلق دما تعداد ساعات آفتابی وحداقل وحداکثر مطلق رطوبت به عنوان ورودی ودمای حداکثر را به عنوان خروجی در نظر می گیریم با اجرای مدل SWM ویادداشت نتایج آن وهمچنین آنالیز حساسیت برای تعیین بهترین ترکیب ورودی شاهد نتایج خوب این مدل هستیم (RMSE test=2/46,R2test=0/92 در انتها جهت بهبود نتایج از الگوریتم تکاملی pso استفاده شد نتایج حاصل شده نشان از کارایی روش پیشنهادی برای پیش بینی دمای حداکثر دارند که با مقایسه مدل SVM-PSO,SVM شاهد برتری روش ترکیبی SVM-PSO هستیم

نویسندگان

نسرین مرادی

دانش آموخته ارشد منابع آب مدرس دانشگاه آزاد اسلامی واحد بم عضو باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی واحد بم

مهدی مرادی

دانش آموخته ارشد منابع آب

معین مرادی

دانش آموخته ارشد معماری

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 :
  • شاکری، س. ابریشم چی، ا. و تجریشی، م. (1390). پیش ...
  • _ احمدی، آ. و مریدی، ع. (1389). تدوین مدل پیش ...
  • پیش بینی کوتاه مدت باد با استفاده از شبکه عصبی چندلایه آموزش یافته با PSO [مقاله کنفرانسی]
  • نوری، ر.، خاکپور، ا. و دهقانی، _ (1389). پیش بینی ...
  • نیکو، _ (1389). پهنه‌بندی کیفی منابع آب سطحی با استفاده ... [مقاله کنفرانسی]
  • Khan, M.S., Coulibaly, P. 2006. Application of support vector machine ...
  • Kisi, O., Cimen, M. 2012. Precipitation forecasting by using wavelet- ...
  • Liong, S.Y., Sivapragasam, C. 2002. Flood stage forecasting with support ...
  • Nikbakht shahbazi, A.R., Zahraie, B. and Nasseri, M. 2011. Seasonal ...
  • Peng, Y., Xue, Z.C. 2010. Research of longterm runoff forecat ...
  • Qing, C., Xiaoli, Z. and Kun, Z. 2012. Research On ...
  • Sivapragasam, C., Liong, S.Y. and Pasha, M.F.K. 2001 Rain fall ...
  • Vapnik, V. N., (1998), :Statistical Learning Theory", New York: Wiley. ...
  • نمایش کامل مراجع