عنوان پایان نامه : پیش بینی بارش با روش های آماری، سری زمانی و شبکه عصبی مصنوعی (مطالعه موردی: شهر سنندج)

پایان نامه
چکیده

چکیده بارندگی در مدیریت منابع آب نقش اساسی دارد و شبیه سازی این متغیر هیدرولوژیکی و برآورد میزان آن در هر مقیاس زمانی برای هر منطقه، به عنوان یکی از مهمترین پارامترهای جوی، گامی بسیار مهم در راستای برنامه ریزی بهتر منابع آب و کشاورزی خواهد بود. یکی از کارهای معمول برنامه ریزی منابع آب، شبیه سازی یا ساختن مدلی از برخی متغیرهای هیدرولوژیکی مانند بارندگی است. در این تحقیق سعی شده است تا با استفاده از مدل های سری زمانی و رگرسیون خطی و غیر خطی چندگانه و شبکه های عصبی مصنوعی، بارندگی ایستگاه سنندج، در دوره 47 ساله، شبیه سازی شود. از نرم افزار spss16 برای مدل سازی رگرسیون و سری زمانی و نرم افزار neurosolutions.v5.05برای مدل سازی شبکه عصبی مصنوعی استفاده شد. داده ها شامل میزان بارش، رطوبت، دما و فشار هوا و سرعت باد در ایستگاه از سال 1343 تا1390 می باشد. برای شبکه های عصبی مدل rbfبا دولایه مخفی، برای سری زمانی مدل armax و برای رگرسیون، مدلها قابل قبول نبودند. در نهایت نشان داده شد که با توجه به معیارهای گرافیکی و عددی، مدل شبکه های عصبی مصنوعی از کارایی بهتری نسبت به مدل های سری زمانی برخوردار است و از رگرسیون نمی توان برای مدل سازی استفاده کرد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

متن کامل

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

متن کامل

مقایسه روش های سری زمانی و شبکه عصبی مصنوعی در پیش بینی تبخیر-تعرق مرجع (مطالعه موردی: ارومیه)

تبخیر-تعرق یکیازمؤلفه­هایمهمدرمصرفمنابعآب در بخش کشاورزیمی­باشد. لذا ارائه روشی که پیش­بینی مناسب و دقیقی از میزان تبخیر-تعرق مرجع را بدهد، می­تواند در اخذتصمیم­ بهینهبرایبرنامه­ریزی منابع آب کمککند. دراینتحقیق،روش­های سری زمانی و شبکه­های عصبی مصنوعی درپیش­بینیتبخیر-تعرق مرجع ماهانهدرایستگاهسینوپتیک ارومیهموردمقایسه قرار گرفتند. بدین منظور در گام نخست بهترین مدل سری زمانی از بین مدل­های arو ar...

متن کامل

مقایسه ی مدل های شبکه های عصبی مصنوعی و سری های زمانی برای پیش بینی قیمت گوشت مرغ در ایران

     با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در تحقیق حاضر قیمت این محصول با استفاده از روش ARIMA و شبکه های عصبی مصنوعی برای افق های زمانی یک ماهه، شش ماهه و دوازده ماهه پیش بینی گردید و این فرضیه که شبکه ی عصبی در پیش بینی قیمت گوشت مرغ از کارایی بیشتری نسبت به  مدل های سری زمانی برخوردار است، مورد بررسی قرار گرفت. داده های مربوط به این متغیّر برای دوره ی  زمانی1371:1 تا 1385:11 بوده و  از شر...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده مهندسی علوم آب

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023