CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مدل الگوریتم انبوه سازی ذرات در پیش بینی حداکثر دمای ماهیانه

عنوان مقاله: مدل الگوریتم انبوه سازی ذرات در پیش بینی حداکثر دمای ماهیانه
شناسه ملی مقاله: CESET01_231
منتشر شده در کنفرانس بین المللی علوم، مهندسی و فناوری های محیط زیست در سال 1394
مشخصات نویسندگان مقاله:

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

خلاصه مقاله:
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

کلمات کلیدی:
دمای حداکثر ،ماشین بردار پشتیبان ،PSO

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/407429/