مدل الگوریتم انبوه سازی ذرات در پیش بینی حداکثر دمای ماهیانه
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 559
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CESET01_231
تاریخ نمایه سازی: 14 آذر 1394
Abstract:
با توجه به تغییرات اقلیمی گرمایش جهانی وخشکسالی های اخیر پیش بینی دمای حداکثر به عنوان یکی از مهمترین پارامترهای اقلیمی فرصت مناسبی را برای برنامه ریزان قرار می دهد بررسی وتحلیل دمای حداکثر به عنوان یکی از پارامترهای اقلیمی در مدیریت منابع آبی وطبیعی کشاورزی گسترش افات وبیماری ها ذوب برف وسیلاب تبخیر وتعرق خشکسالی وغیره اهمیت زیادی دارد امروزه با گسترش مدل های هوشمند وتجربی در علوم مختلف از جمله اقلیم شناسی ولزوم پیش بینی های دقیق تر جایگزینی آن ها به جای مدل های قدیمی اهمیت پیدا می کند یکی ازاین روش ها ماشین بردار پشتیبان می باشد که یکی از مهمترین کاربردهای آن پیش بینی ومحاسبه پارامترهای اقلیم شناسی دراین تحقیق دمای حداقل متوسط درجه حرارت حداکثر مطلق دما حداقل مطلق دما تعداد ساعات آفتابی وحداقل وحداکثر مطلق رطوبت به عنوان ورودی ودمای حداکثر را به عنوان خروجی در نظر می گیریم با اجرای مدل SWM ویادداشت نتایج آن وهمچنین آنالیز حساسیت برای تعیین بهترین ترکیب ورودی شاهد نتایج خوب این مدل هستیم (RMSE test=2/46,R2test=0/92 در انتها جهت بهبود نتایج از الگوریتم تکاملی pso استفاده شد نتایج حاصل شده نشان از کارایی روش پیشنهادی برای پیش بینی دمای حداکثر دارند که با مقایسه مدل SVM-PSO,SVM شاهد برتری روش ترکیبی SVM-PSO هستیم
Keywords:
Authors
نسرین مرادی
دانش آموخته ارشد منابع آب مدرس دانشگاه آزاد اسلامی واحد بم عضو باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی واحد بم
مهدی مرادی
دانش آموخته ارشد منابع آب
معین مرادی
دانش آموخته ارشد معماری
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :