نتایج جستجو برای: میانگین مجذور مربعات خطا rmse
تعداد نتایج: 110706 فیلتر نتایج به سال:
هدف اصلی این مقاله، مدلسازی و پیش بینی میزان صادرات آبزیان دریایی در ایران است. برای این منظور، از روش های سری زمانی خود توضیح جمعی میانگین متحرک(ARIMA) و شبکه عصبی مصنوعی استفاده می شود. به منظور انجام بررسی، از داده های ماهانه دوره 1374:03 تا 1387:12 برای برآورد و آموزش مدل و از داده های دوره از 1388:01 تا 1390:12 به منظور بررسی قدرت پیش بینی مدل های مختلف استفاده می شود. در این مطالعه، معیار...
بارش یکی از عناصر مهم اقلیمی است که از پیچیدگی های خاصی برخورداراست. از آن جا که تغییرات مکانی و زمانی این عنصر مهم اقلیمی بسیار با اهمیت است تقاضا برای تهیه اطلس های اقلیمی و بلند مدت آن اهمیت چشمگیری پیدا می کند. آگاهی از مقادیر این کمیت در کلیه مناطق کشور ، ضرورت انجام فرآیند درون یابی را برای نقاط بدون داده (ایستگاه ) آشکار می سازد. از اینرو ضمن مرور شش روش متداول درون یابی ، شامل عکس مجذور...
شناسایی وضعیت کمی جنگل برای مدیریت تودههای جنگلی از اساسیترین اطلاعات محسوب میشود. هدف از پژوهش پیشرو برآورد دادههای طیفی با قدرت تفکیک مکانی زیاد ماهواره Pleiades در برآورد دو مشخصه حجم سرپا و رویه زمینی با استفاده از الگوریتمهای ناپارامتریک در جنگل دارابکلای ساری بود. تعداد 144 قطعهنمونه 10 آری به روش تصادفی منظم پیاده شد و قطر برابر سینه کلیه درختان و ارتفاع برخی از آنها بههمراه مو...
مقدمه (و هدف) مدلهای گیاهان زراعی در بسیاری از کشورها برای شبیه سازی پاسخ گیاهان زراعی به تنشهای محیطی و روشهای مدیریتی متفاوت در دهه های مختلف استفاده شده اند (Mehraban, 2013). یکی از اهداف مدلهای شبیه سازی گیاهی، استفاده از آنها برای پیشبینی عملکرد محصول میباشد. مدهای مختلفی برای این منظور توسعه داده شده و توسط محققین مختلف بکار رفته اند .مدل هایی چونCERES (Jones and Kiniry, 1986) ...
پیشبینی متغیرهای هیدرولوژیکی ابزاری بسیار کارآمد بهمنظور مدیریت منابع آب میباشد. از سوی دیگر استفاده از مفاهیم حاکم بر سریهای زمانی در پیشبینی بسیار مناسب ارزیابی گردیدهاست. لذا در تحقیق حاضر دادههای دبی ماهانه اندازهگیری شده در 21 ایستگاه هیدرومتری از سال آبی 63-64 تا سال آبی 83-84 در حوضه آبخیز رودخانه کرخه مورد استفاده قرار گرفت و سپس روشهای مختلف پیشبینی و مدلسازی در سریهای زمان...
اطلاع از میزان نیاز آبی یا به عبارتی مقدار تبخیروتعرق واقعی در اراضی کشاورزی ابزاری لازم و روشی مناسب جهت مدیریت منابع آب است. تخمین تبخیروتعرق واقعی از مشاهدات میدانی کاری زمان بر و دشوار است. مطالعه ی حاضر به بررسی تخمین تبخیروتعرق منطقه ای برای باغستان های زیتون شهرستان طارم با استفاده از داده های سنجش ازدور و داده های هواشناسی می پردازد. الگوریتم بیلان انرژی سطحی برای زمین (sebal) به کمک تص...
مقدمه (و هدف) مدل های گیاهان زراعی در بسیاری از کشورها برای شبیه سازی پاسخ گیاهان زراعی به تنشهای محیطی و روشهای مدیریتی متفاوت در دهه های مختلف استفاده شده اند (mehraban, 2013). یکی از اهداف مدلهای شبیه سازی گیاهی، استفاده از آنها برای پیشبینی عملکرد محصول میباشد. مدهای مختلفی برای این منظور توسعه داده شده و توسط محققین مختلف بکار رفته اند .مدل هایی چونceres (jones and kiniry, 1986) ...
برنامهریزی و مدیریت منابع اراضی نیاز به اطلاعات مکاندار تفصیلی و دقیق از خصوصیات خاک دارد. این در حالی است که در بسیاری از مناطق ایران این نوع اطلاعات در دسترس نیست. در این پژوهش کارائی روشهای نقشهبرداری رقومی خاک، شامل رگرسیون خطی چند متغیره، کوبیست و جنگل تصادفی برای پیشبینی تغییرات کربن آلی در سطح و عمق خاک اراضی دشت سعادت شهر مورد ارزیابی قرار گرفت.</s...
از مدل های شبیه سازی گیاهان زراعی در کشاورزی استفاده می شود. هدف این مطالعه ارزیابی مدل شبیه سازی cropsyst-گندم برای پیش بینی نمو، رشد و عملکرد ارقام گندم استان گلستان بود. برای این منظور از داده های آزمایش های مزرعه ای مختلف برای چهار رقم گندم کوهدشت، شیرودی، تجن و زاگرس که از ارقام مورد استفاده در استان گلستان هستند، استفاده گردید. توانایی مدل در شبیه سازی مراحل فنولوژیک روز تا گرده افشانی، ر...
از مدل های شبیه سازی گیاهان زراعی در کشاورزی استفاده می شود. هدف این مطالعه ارزیابی مدل شبیه سازی cropsyst-گندم برای پیش بینی نمو، رشد و عملکرد ارقام گندم استان گلستان بود. برای این منظور از داده های آزمایش های مزرعه ای مختلف برای چهار رقم گندم کوهدشت، شیرودی، تجن و زاگرس که از ارقام مورد استفاده در استان گلستان هستند، استفاده گردید. توانایی مدل در شبیه سازی مراحل فنولوژیک روز تا گرده افشانی، ر...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید