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
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
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
کلیدواژه ها:
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 :