بررسی روش های هوش مصنوعی و رگرسیونی در شبیه سازی مقادیر دمای روزانه
عنوان مقاله: بررسی روش های هوش مصنوعی و رگرسیونی در شبیه سازی مقادیر دمای روزانه
شناسه ملی مقاله: JR_JMAS-1-1_006
منتشر شده در در سال 1397
شناسه ملی مقاله: JR_JMAS-1-1_006
منتشر شده در در سال 1397
مشخصات نویسندگان مقاله:
محمد ناظری تهرودی - گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران
مهدی امیرآبادی زاده - گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران
محمد جواد زینلی - گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران
خلاصه مقاله:
محمد ناظری تهرودی - گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران
مهدی امیرآبادی زاده - گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران
محمد جواد زینلی - گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران
پیش بینی تغییرات آب و هوایی کره زمین با استفاده از مقادیر ثبت شده در دوره آماری حاضر نیازمند روشی دقیق بوده که بتوان نوسانات این تغییرات را بهخوبی شناسایی کرده و با الگوگیری از این تغییرات مقادیر پارامتر مورد نظر را برای سالها و یا دورههای آینده پیش بینی نمود. در این مطالعه شش مدل رگرسیون چند متغیره، ANN، SVR، ANFIS، SVM و GP جهت ریزمقیاس نمایی مقادیر متوسط دمای روزانه ایستگاه همدیدی ارومیه با استفاده از ۲۶ پارامتر پیش بینی کننده منتج از گزارش پنجم IPCC مورد بررسی و مقایسه قرار گرفت. مقادیر دمای متوسط روزانه ایستگاه مورد بررسی از تاریخ ۱۲ مارس ۱۹۶۱ (۲۹ اسفند ۱۳۸۴) تا تاریخ ۲۰ دسامبر ۲۰۰۵ (۲۹ آذر ۱۳۸۴) انتخاب گردید. در تمامی روشهای ذکر شده با استفاده از آزمون پیرسون از بین ۲۶ پارامتر پیش بینی کننده ، ۱۶ پارامتر که همبستگی بالایی با مقادیر دمای متوسط روزانه داشته انتخاب گردید. جهت بررسی مقادیر خطای ناشی از مدلسازی از سه معیار ضریب تبیین، مجذور میانگین مربعات خطا و معیار کارایی مدل استفاده شد. نتایج بررسی دقت و میزان خطای مدلها نشان داد که در بین مدلهای هوشمند GP، ANN، ANFIS و SVM، مدل برنامهریزی ژنتیک کمترین مقدار خطا را داشته و در بین مدلهای رگرسیونی (رگرسیون چندمتغیره و رگرسیون بردار پشتیبان) روش رگرسیون بردار پشتیبان، کمترین میزان خطا و بیشترین میزان دقت را در شبیهسازی مقادیر دمای روزانه ایستگاه همدیدی ارومیه داشته است. به طور کلی نتایج شبیهسازی مقادیر دما روزانه نشان دهنده دقیقتر بودن روشهای رگرسیونی نسبت به روشهای هوشمند میباشد. از آنجا که این مطالعه تنها با استفاده از دادههای ایستگاه همدیدی ارومیه انجام گرفته است، لذا نتایج حاصله تنها برای ایستگاه مذکور اعتبار داشته و با اطمینان نمیتوان نتایج را برای تمامی ایستگاهها تعمیم داد.
کلمات کلیدی: الگوریتم ژنتیک, درجه حرارت, دریاچه ارومیه, ماشین بردار پشتیبان, ریز مقیاس
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1577202/