پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 43 |
| تعداد شمارهها | 1,637 |
| تعداد مقالات | 13,304 |
| تعداد مشاهده مقاله | 29,859,544 |
| تعداد دریافت فایل اصل مقاله | 11,940,798 |
پیش بینی دماهای ماهانه ایستگاه های منتخب استان اصفهان با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه | ||
| تحقیقات جغرافیایی(توقف انتشار) | ||
| مقاله 16، دوره 30، شماره 118، خرداد 1394، صفحه 241-258 اصل مقاله (844.15 K) | ||
| نویسندگان | ||
| حمیدرضا عزیزی1؛ مجید منتظری* 2 | ||
| 1گروه جغرافیا دانشگاه آزاد اسلامی واحد نجف آباد | ||
| 2دانشگاه اصفهان | ||
| چکیده | ||
| پیش بینی دما یکی از مهمترین پیش بینی های هواشناسی است. امروزه بخشهای کشاورزی و صنعت وابستگی زیادی به شرایط دمایی(آب و هوا)دارند. دما نیز در کنار بارش یکی از فراسنج های بسیار مهم آب و هوایی است و از عوامل اصلی در پهنه بندی و طبقه بندی آب و هوایی به حساب می آید. هدف از انجام این تحقیق پیش بینی میانگین دمای ماهانه ایستگاه های منتخب استان اصفهان میباشد که پس از تعیین موقعیت و بررسی دوره آماری موجود سه ایستگاه همدید ازن سنجی اصفهان، شرق اصفهان و کاشان انتخاب شدند. برای بررسی و پیش بینی دمای ماهانه از مدل شبکه عصبی مصنوعی استفاده شد. شبکه های عصبی مصنوعی توانایی زیادی در شبیه سازی و پیش بینی عناصر جوی وآب و هوایی دارند. شبکه عصبی مصنوعی یکی از قدرتمندترین مدلهایی است که قادر به دریافت و نمایش پیچیده روابط ورودی و خروجی داده ها می باشد. یکی از پرکاربردترین مدلهای شبکه عصبی مدل پرسپترون چند لایه(MLP) میباشد. برای تعیین بهترین ورودی های شبکه پس از سعی و خطای بسیار در نهایت ساختاری با استفاده از میانگین دمای 7 ماه قبل برای پیش بینی دمای ماه بعدی انتخاب گردید. بدین ترتیب دمای ماهانه برای 24 ماه آینده پیش بینی شد که در این حالت بهترین همبستگی را بین داده ها نشان داد .بدین منظور از نرم افزار مت لب 2013 استفاده شده و برنامه نویسی در این محیط صورت گرفت. در تمام ساختار های شبکه از یک لایه پنهان متشکل از 30 نرون استفاده شد. تمامی ایستگاه ها با یک لایه پنهان به جواب رسیدند و نیازی به افزایش تعداد لایه های پنهان تشخیص داده نشد. برای آموزش شبکه از الگوریتم مارکوارت –لونبرگ استفاده شد و تمامی شبکه ها با تابع محرک تانژانت هیپربولیک به جواب مطلوب رسیدند.در نتیجه میتوان گفت استفاده از این مدل در پیش بینی دمای ماهانه موفقیت آمیز بود. | ||
| کلیدواژهها | ||
| پیش بینی؛ دمای ماهانه؛ شبکه عصبی مصنوعی؛ استان اصفهان | ||
|
آمار تعداد مشاهده مقاله: 834 تعداد دریافت فایل اصل مقاله: 280 |
||