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

نسخه انگلیسی

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:

1,002
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

640
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

بازسازی سری های زمانی دمای حداکثر و حداقل روزانه با استفاده از روش نزدیک ترین همسایه و شبکه عصبی مصنوعی (مطالعه موردی غرب استان تهران)

صفحات

 صفحه شروع 197 | صفحه پایان 214

چکیده

 برای تحلیل تغییرپذیری زمانی, روند وقایع حد, تخمین ریسک و احتمال وقوع سری های زمانی طولانی مدت مورد نیاز است. یکی از مهم ترین سری های زمانی در علوم جغرافیایی و اقلیم شناسی مربوط به دمای حداکثر و حداقل روزانه است. این دو پارامتر دمایی در برآورد تبخیر و تعرق روزانه, تعیین بیلان آبی و مطالعات تغییر اقلیم کاربرد دارد تعداد سال های آماری متفاوت, نواقص آماری و خطای اندازه گیری باعث ایجاد سری های زمانی با پایه زمانی غیر مشترک می گردد. به این منظور بازسازی داده های آماری امری لازم و ضروری است.در این تحقیق بازسازی داده های دمای حداکثر و حداقل روزانه از روش های نزدیک ترین همسایه و شبکه عصبی مصنوعی برای 5 ایستگاه هواشناسی واقع در غرب استان تهران مورد بررسی قرار گرفت. در روش نزدیک ترین همسایه از رابطه بین دمای حداکثر و حداقل روزانه با نزدیک ترین ایستگاه استفاده شد و در روش شبکه عصبی مصنوعی با استفاده از شبکه ایستگاه های هواشناسی دمای حداکثر و حداقل روزانه بازسازی گردید. شبکه عصبی مورد استفاده در این تحقیق یک شبکه عصبی پیش خور با یک لایه پنهان و الگوی آموزشی پس انتشار خطا می باشد. نتایج نشان می دهد که برای کلیه ایستگاه های مورد مطالعه روش شبکه عصبی متوسط خطای مطلق کمتری را نسبت به روش نزدیک ترین همسایه دارد. در روش نزدیک ترین همسایه با افزایش فاصله ایستگاه ها خطای برآورد افزایش می یابد. همچنین دقت هر دو روش در تخمین دمای حداکثر روزانه بیشتر از دمای حداقل روزانه می باشد.

استنادها

  • ثبت نشده است.
  • ارجاعات

    استناددهی

    APA: کپی

    خورشیددوست، علی محمد، نساجی زواره، مجتبی، و قرمزچشمه، باقر. (1391). بازسازی سری های زمانی دمای حداکثر و حداقل روزانه با استفاده از روش نزدیک ترین همسایه و شبکه عصبی مصنوعی (مطالعه موردی غرب استان تهران). فضای جغرافیایی، 12(38)، 197-214. SID. https://sid.ir/paper/91532/fa

    Vancouver: کپی

    خورشیددوست علی محمد، نساجی زواره مجتبی، قرمزچشمه باقر. بازسازی سری های زمانی دمای حداکثر و حداقل روزانه با استفاده از روش نزدیک ترین همسایه و شبکه عصبی مصنوعی (مطالعه موردی غرب استان تهران). فضای جغرافیایی[Internet]. 1391؛12(38):197-214. Available from: https://sid.ir/paper/91532/fa

    IEEE: کپی

    علی محمد خورشیددوست، مجتبی نساجی زواره، و باقر قرمزچشمه، “بازسازی سری های زمانی دمای حداکثر و حداقل روزانه با استفاده از روش نزدیک ترین همسایه و شبکه عصبی مصنوعی (مطالعه موردی غرب استان تهران)،” فضای جغرافیایی، vol. 12، no. 38، pp. 197–214، 1391، [Online]. Available: https://sid.ir/paper/91532/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