پیش بینی دمای بیشینه با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: شهرستان شیراز)
- سال انتشار: 1389
- محل انتشار: چهارمین کنگره بین المللی جغرافیدانان جهان اسلام
- کد COI اختصاصی: ICIWG04_005
- زبان مقاله: فارسی
- تعداد مشاهده: 2751
نویسندگان
دانشگاه سیستان و بلوچستان دانشکده جغرافیا و برنامه ریزی محیطی زاهدا
دانشگاه سیستان و بلوچستان دانشکده مهندسی زاهدان
دانشگاه سیستان و بلوچستان دانشکده جغرافیا و برنامه ریزی محیطی زاهدا
دانشگاه محقق اردبیلی دانشکده ادبیات و علوم انسانی اردبیل
چکیده
پیش بینی دماهای حداکثر در مدیریت منابع آبی، کشاورزی، گسترش آفات و بیماریها ، ذوب برف، و سیلاب، تبخیر و تعرق، خشکسالی و غیره دارای اهمیت زیادی است. یکی از روشهای پیش بینی ، شبکه های عصبی مصنوعی می باشد که از مهمترین کاربردهای آنها در زمینه علوم جوی پیش بینی و محاسبه پارامترهای اقلیم شناسی است دراین تحقیق با استفاده از متغیرهای میانگین رطوبت نسبی، میانگین سرعت باد، مجموع ساعات آفتابی، میانگین حداقل دما و میانگین دمای حداکثر ماهانه به عنوان ورودی شبکه پرسپترون چند لایه (MLP)، میانگین حداکثر دمای ماهانه ایستگاه سینوپتیک شیراز پیش بینی گردید. بررسی شاخصهای عملکرد شبکه از جمله ضریب تبیین، مجذور میانگین مربعات خطا، میانگین مربعات خطا، میانگین مطلق خطا، میانگین درصد خطا و ضریب همبستگی نشان داد که پیش بینی دمای حداکثر با دقت قابل قبولی انجام شده است بطوری که میزان ضریب همبستگی آن 0/99 و حداکثر اختلاف آن با داده های واقعی برابر 0/47 درجه سانتی گراد بوده است.کلیدواژه ها
شیراز، پیش بینی ، دمای حداکثر، شبکه های عصبی مصنوعیمقالات مرتبط جدید
- تحلیل تاب آوری مسکن (کالبدی)- زیرساختی بافت های ناکارآمد شهری تهران
- مکان یابی ساختمان های بلند با تاکید بر منظر شهری نمونه موردی: محله گلشن در منطقه ۹ شهرداری مشهد
- بررسی تاثیر متغیر رضایت مندی بر وفاداری مشتری (مورد کاوی شرکت بهره برداری قطار شهری مشهد )
- بررسی آلودگی نوری کلانشهر مشهد
- ارزیابی مولفه های تاب آوری شهری در منطقه ۱۲ شهرداری کلانشهر مشهد در برابر مخاطرات طبیعی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.