مدلسازی پیشبینی سرماهای دیررس بهاره در شهرستان سقز با استفاده از مدل پرسپترون چند لایه (MLP)

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,124

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PWSWM02_004

تاریخ نمایه سازی: 12 شهریور 1392

چکیده مقاله:

تنش دماهای پایین عامل اصلی محدود کنندهی بسیاری از فعالیتهای کشاورزی اعم از زراعت و باغداریاست، که هر ساله خسارات زیادی را به محصولات کشاورزی وارد می سازد. آگاهی از احتمال وقوع این دماهابرای جلوگیری از خسارات وارده بر محصولات دارای اهمیت بسزایی است. در برنامهریزیهای مختلفی که درارتباط با اقلیمشناسی است اقلیمشناسان سعی میکنند با تجزیه و تحلیل دادههای یک یا چند متغییر اقلیمیدر گذشته، به قوانین و مدلهایی دست یابند که بر این اساس وضعیت آن را در آینده پیشبینی کنند، یکی ازروشهای مذکور شبکههای عصبی مصنوعی از مؤلفههای هوش مصنوعی است که امروزه به طور وسیع درزمینه مدلسازی و پیشبینی پارامترهای اقلیمی مورد استفاده قرار میگیرد که در این پژوهش مدلسازی پیشبینی سرماهای دیررس بهاره ایستگاه سینوپتیک سقز با استفاده از مدل پرسپترون چند لایه MATLAB بهرهگرفته شد سپس به بررسی شاخصهای عملکرد شبکه از جمله ضریب تعیین و همبستگی و درصد خطای نسبی پرداخته شد. نتایج بدست آمده، ضمن تأیید توانایی مدل پرسپترون چندلایه نشان داد که حداکثر خطای این مدل با داده های واقعی کمتر از 0/8 درجه سلسیوس است که توانایی قابل توجه مدل شبکه عصبی مصنوعی در مدلسازی پیشبینی دماهای حداقل را نشان میدهد. که از نتایج آن میتوان در اجرای روشهای مقابله با سرماهای دیررس بهره گرفت.

نویسندگان

فریبا اسفندیاری درآباد

استادیار گروه جغرافیای طبیعی دانشگاه محقق اردبیلی، اردبیل، ایران

سیداسعد حسینی

دانشجوی دکترای اقلیمشناسی دانشگاه محقق اردبیلی، اردبیل، ایران

حمزه احمدی

کارشناس ارشد اقلیمشناسی و مدرس دانشگاه پیام نور بوئین زهرا، بوئین زهرا، ایران

کاوه محمدپور

کارشناس ارشد اقلیمشناسی دانشگاه تبریز، تبریز، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • رسول زادگان، یوسف. 1370. میوه‌کاری در مناطق معتدله، انتشارات اردکان ...
  • سالنامه آماری استان کردستان. 1388. استانداری استان کردستان، فصل اول ...
  • سیاری، نسرین، بنایان، م.، علیزاده، الف، بهیار، م ب. 1389. ...
  • صداقت‌کردار، علی.، فتاحی، الف. 1387. شاخص‌های پیش آگاهی خشکسالی در ...
  • فتحی، پرویز، محمدی، ی، همایی، م. 1387. مدل‌سازی هوشمند سری ...
  • پیش بینی بلندمدت بارش با استفاده از سیگنال های هواشناسی : کاربرد شبکه های عصبی مصنوعی [مقاله کنفرانسی]
  • محمدنیا قرائی، سیروس0، راستگو، غ، ملبوسی، ش. 1388. ارائه فرمول ...
  • منهاج، محمد باقر. 1384. مبانی شبکه‌های عصبی(هوش محاسباتی)، مرکز نشر ...
  • Cadenas, E., Rivera, V., 2009. Short term wind speed forecasting ...
  • Conrads, P.A., Roehle, E. _ 1999. Comparing Physics- Based and ...
  • Demuth, H., Beale, M., 2002. Neural Network Toolbox User, s ...
  • I5- Fulop, I. A., Jozsa, J., Karamer. T., 1998. A ...
  • _ _ _ _ _ _ water, _ _ Modeig ...
  • Hopfield JJ, 1982. Neural network and physical systems with emergent ...
  • Jain, A., 2003. Predicting Air Temperature For Frost Warning Using ...
  • Ranjithan, J., Eheart, J., Garrett, J. H., 1995. Application of ...
  • Rehman, S., Mohandes, M., 2008. Artificial neural network estimation of ...
  • Senkal, O., Kuleli, T., 2009. Estimation of solar radiation Over ...
  • _ _ _ _ _ _ water, _ _ Modeig ...
  • نمایش کامل مراجع