پیش بینی دمای بیشینه با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: شهرستان شیراز)
Publish place: 4th International Congress of The Islamic World Geographers
Publish Year: 1389
Type: Conference paper
Language: Persian
View: 2,867
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICIWG04_005
Index date: 4 December 2009
پیش بینی دمای بیشینه با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: شهرستان شیراز) abstract
پیش بینی دماهای حداکثر در مدیریت منابع آبی، کشاورزی، گسترش آفات و بیماریها ، ذوب برف، و سیلاب، تبخیر و تعرق، خشکسالی و غیره دارای اهمیت زیادی است. یکی از روشهای پیش بینی ، شبکه های عصبی مصنوعی می باشد که از مهمترین کاربردهای آنها در زمینه علوم جوی پیش بینی و محاسبه پارامترهای اقلیم شناسی است دراین تحقیق با استفاده از متغیرهای میانگین رطوبت نسبی، میانگین سرعت باد، مجموع ساعات آفتابی، میانگین حداقل دما و میانگین دمای حداکثر ماهانه به عنوان ورودی شبکه پرسپترون چند لایه (MLP)، میانگین حداکثر دمای ماهانه ایستگاه سینوپتیک شیراز پیش بینی گردید. بررسی شاخصهای عملکرد شبکه از جمله ضریب تبیین، مجذور میانگین مربعات خطا، میانگین مربعات خطا، میانگین مطلق خطا، میانگین درصد خطا و ضریب همبستگی نشان داد که پیش بینی دمای حداکثر با دقت قابل قبولی انجام شده است بطوری که میزان ضریب همبستگی آن 0/99 و حداکثر اختلاف آن با داده های واقعی برابر 0/47 درجه سانتی گراد بوده است.
پیش بینی دمای بیشینه با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: شهرستان شیراز) Keywords:
پیش بینی دمای بیشینه با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: شهرستان شیراز) authors
محمود خسروی
دانشگاه سیستان و بلوچستان دانشکده جغرافیا و برنامه ریزی محیطی زاهدا
مهدی اژد ری
دانشگاه سیستان و بلوچستان دانشکده مهندسی زاهدان
حمید نظری پور
دانشگاه سیستان و بلوچستان دانشکده جغرافیا و برنامه ریزی محیطی زاهدا
شهرام رزمجویی
دانشگاه محقق اردبیلی دانشکده ادبیات و علوم انسانی اردبیل
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 :