پیش بینی دماهای حداکثر شهرستان اردبیل با استفاده از مدل رگرسیون چندگانه و شبکه های عصبی مصنوعی

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,865

فایل این مقاله در 7 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:

IAUSROCWC01_069

تاریخ نمایه سازی: 19 فروردین 1388

چکیده مقاله:

با توجه به روند افزایش دمای کره ی زمین در چندسال اخیر و به تبع آن، کمبود منابع آب، خشکسالی ، گسترش بیماریها و آفات، تغییرات اقلیمی و غیره، ضرورت پیش بینی دماهای حداکثر به عنوان یکی از عناصر مهم اقلیمی که در منابع آبی، کشاورزی، طبیعی و حتی تلفات جانی تأثیر گذار است. جهت برنامه ریزی و مدیریت آینده منابع، برای جلوگیری از بحران مطرح می شود. در زمینه پیش بینی عناصر اقلیمی، مدلهای رگرسیونی و سری های زمانی از مدل های قدیمی هستند. امروزه با توجه به پیشرفت علومی چون روش های هوشمند، اقلیم شناسان در جستجوی راه های فراتر از روش های متداول در زمینه پیش بینی عناصر اقلیمی هستند. یکی از این روش ها شبکه های عصبی مصنوعی (ANNs) است که از مؤلفه های هوش مصنوعی بوده و امرزه به طور وسیع در زمینه مدل سازی و پیش بینی پارامترهای اقلیمی مورد استفاده قرار می گیرد. در این مقاله، توانایی شبکه های عصبی مصنوعی و رگرسیون چندگانه در پیش بینی دماهای حداکثر شهر اردبیل با استفاده از نرم افزار MATLAB 7 بررسی و مقایسه شدند. بدین منظور از متغیرهای میانگین رطوبت نسبی، میان گین سرعت باد، مجموع ساعات آفتابی، میانگین حداقل و حداکثر دمای دوره آماری 18 ساله (2003-1985) جهت پیش بینی دمای حداکثر ژانویه سال 2004 تا دسامبر 2006 و مقایسه ان با داده های واقعی استفاده گردید. نتایج بدست آمده، ضمن تأیید توانایی مدل شبکه عصبی مصنوعی نشان داد که خطای حداکثر این مدل و رگرسیون چندگانه با داده های واقعی به ترتیب برابر 83/0 و 29/5 درجه سانتیگراد است که برتری قابل توجه مدل شبکه مصنوعی را در پیش بینی دمای حداکثر نشان میدهد.

نویسندگان

برومند صلاحی

دانشگاه محقق اردبیلی، دانشکده ادبیات و علوم انسانی، گروه جغرافیای طب

سیداسعد حسینی

دانشگاه محقق اردبیلی، دانشکده ادبیات و علوم انسانی، گروه جغرافیای طب

بهروز سبحانی

دانشگاه محقق اردبیلی، دانشکده ادبیات و علوم انسانی، گروه جغرافیای طب

حسین شایقی

دانشگاه محقق اردبیلی، دانشکده فنی مهندسی، گروه مهندسی برق

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 :
  • احمدی، الف، *طبقه‌بندی تغییرات بارش بوشهر با استفاده از شبکه‌های ...
  • اصغری‌مقدم، الف، نورانی، و و ندیری، ع، مدل‌سازی بارش دشت ...
  • حسینی، س، الف، "تحلیل و برآورد دماهای حداکثر شهرستان اردبیل ...
  • پیش¬بینی بارش با استفاده از شبکه¬های عصبی مصنوعی [مقاله کنفرانسی]
  • رحیمی خوب، ع، بهبهانی، م و نظری‌فر، م، *پیش‌بینی دمای ...
  • رضائی، ع و سلطانی، الف، مقدمه‌ای بر تحلیل رگرسیون کاربردی ...
  • صداقت‌کردار، ع و فتاحی، الف، شاخص‌های پیش آگاهی خشکسالی در ...
  • علیجانی، ب و قویدل‌رحیمی، ی، مقایسه و پیش‌بینی تغییرات دمای‌سالانه ...
  • پیش بینی بلندمدت بارش با استفاده از سیگنال های هواشناسی : کاربرد شبکه های عصبی مصنوعی [مقاله کنفرانسی]
  • منهاج، م، *مبانی شبکه‌های عصبی(هوش محاسباتی)"، مرکز نشردانشگاه صنعتی امیر ...
  • ننتایج کلی سرشماری عمومی نفوس و مسکن"، معاونت برنامه‌ریزی و ...
  • Cadenas, E. and Rivera, V., "Short term wind speed forecasting ...
  • Jain, A., "Predicting Air Temperature For Frost Waning Using Artificial ...
  • Rehman, S. and Mohandes, M. "Artificial neural network estimation of ...
  • 15-Senkal, o. and Kuleli, T., "Estimation of solar radiation over ...
  • نمایش کامل مراجع