مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

358
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

170
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی دمای کمینه ایستگاه کرج با استفاده از داده های شاخص های پیوند از دور و شبکه عصبی مصنوعی

صفحات

 صفحه شروع 85 | صفحه پایان 103

چکیده

 توجه علمی به مخاطرات محیطی که آسیب پذیری بسیاری از کشورهای دنیا را به دنبال دارد, آغازی نسبتاً تازه دارد. یکی از این خطرها یخبندانها می باشند که سبب زیانهای عظیمی در زمینه های کشاورزی, حمل و نقل, انرژی, زیست محیطی و غیره شده است. جهت جلوگیری از خطرات ناشی از آنها استفاده از روشهای پیش بینی امکان پیش آگاهی از حداقل دما و رخداد پدیده یخبندان را فراهم ساخته تا مسئولان در جهت جلوگیری از آن, اقدامات لازم را به عمل آورند. پیش بینی حداقل دما در منطقه خصوصاً با روشهای جدید از ضروریات انجام این تحقیق می باشد. با توجه به محدودیت هایی از قبیل عدم کفایت آمار موجود و خطای بالای روش های آماری معمول, در این تحقیق از شبکه های عصبی مصنوعی به عنوان یک روش کارآمد جهت پیش بینی کمینه دما استفاده شدهاست. ورودی مدل, آمار شاخص های اقلیمی SIBERIA, AO[1], NAO[2], TNA[3], SOI[4], PDO[5], TNI[6], NOI[7]ساعات آفتابی منطقه در بازه زمانی(2007– 1973) و خروجی مدل داده های کمینه دما می باشد. در این تحقیق از دو روش پس انتشار feedforwardو Radial Basisاستفاده شده است. نتایج نشان داد که بین مدلهای مورد استفاده, Radial Basis ( با ضریب همبستگی 98% و میزان خطای 48%) به عنوان بهترین مدل, نسبت به روش های آماری و مدلfeedforward معمول می باشد و همچنین نسبت به دیگر تحقیقات انجام شده در این زمینه از میزان خطای پایین تری برخوردار است. همچنین تنها افزایش فاکتورهای ورودی شبکه عاملی برای افزایش کارایی نمی باشد بلکه استفاده از ورودی هایی که ارتباط معناداری با خروجی شبکه دارند نتایج بهتری را ایجاد خواهد کرد. در نهایت خروجی مدل بیانگر افزایش حداقل دما طی دوره آماری می باشد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    شکیبا، هانیه، خسروی، محمود، طاوسی، تقی، و اژدری مقدم، مهدی. (1397). پیش بینی دمای کمینه ایستگاه کرج با استفاده از داده های شاخص های پیوند از دور و شبکه عصبی مصنوعی. جغرافیای طبیعی، 11(2 (پیاپی 40) )، 85-103. SID. https://sid.ir/paper/513288/fa

    Vancouver: کپی

    شکیبا هانیه، خسروی محمود، طاوسی تقی، اژدری مقدم مهدی. پیش بینی دمای کمینه ایستگاه کرج با استفاده از داده های شاخص های پیوند از دور و شبکه عصبی مصنوعی. جغرافیای طبیعی[Internet]. 1397؛11(2 (پیاپی 40) ):85-103. Available from: https://sid.ir/paper/513288/fa

    IEEE: کپی

    هانیه شکیبا، محمود خسروی، تقی طاوسی، و مهدی اژدری مقدم، “پیش بینی دمای کمینه ایستگاه کرج با استفاده از داده های شاخص های پیوند از دور و شبکه عصبی مصنوعی،” جغرافیای طبیعی، vol. 11، no. 2 (پیاپی 40) ، pp. 85–103، 1397، [Online]. Available: https://sid.ir/paper/513288/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button