CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

بررسی تغییر اقلیم با استفاده از شبکه عصبی مصنوعی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۵۴۸ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: CCGW02_033
زبان مقاله: فارسی
حجم فایل: ۳۲۸.۳۵ کیلوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۰ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بررسی تغییر اقلیم با استفاده از شبکه عصبی مصنوعی

  سهیلا مزین - دانشگاه زنجان، گروه علوم محیط زیست
  یوسفعلی عابدینی - دانشگاه زنجان، گروه فیزیک و محیط زیست، دانشگاه تحصیلات تکمیلی علوم پایه زنجان، پژوهشکده تغییر اقلیم و گرمای زمین
مهدی وثیقی - تحصیلات تکمیلی در علوم پایه، دانشکده شیمی
علیرضا ولیزاده - تحصیلات تکمیلی در علوم پایه، دانشکده فیزیک

چکیده مقاله:

جستار دگرگونی اقلیم از جستارهای روز و چالشهای جهانی است. آگاهی از چگونگی اقلیم کنونی و دگرگونی های آن نسبت به گششته می تواند در برنامه ریزی های سیاسی، اجتماعی و اقتصادی انسانهای ساکن بر روی کره ی زمین کارساز باشد. از سویی برای این آگاهی تکاپوهای بسیاری بدست فیزیکدانان و اقلیم شناسان با روش های گوناگون روی داده است. با این همه در بسیاری از مسایل, نبود باور و اطمینان پدید آمده است. در این کار کوشش کرده ایم با به کارگیری از شبکه های عصبی مصنوعی با دقت بیشتری مساله دگرگونی اقلیم را بررسی کنیم.شبکه عصبی مصنوعی، یکی از رو به پیشرفت می باشد که در جستارهای گوناگون برای پیش بینی، خوشه بندی و الگو سازی به کار گرفته می شود. شبکه عصبی مصنوعی برگرفته از شبکه عصبی مغز انسان می باشد که با دریافت داده ها از راه دندریت ها در نرون ها پردازش مورد نیاز روی داده و از راه آکسون فرمان یا برونرفتی فرستاده می شود. شبکه عصبی از لایه ورودی، لایه یا لایه های پنهان و لایه برونرفت تشکیل شده است. بر پایه معماری شبکه شمار نرون های لایه های ورودی و پنهان تعیین می گردد. همواره تابعی به نام تابع پویاسازی که روی نرون نهاده شده و بر ورودی هااثرکرده و برونرفتی را فرآوری می کندپدید آمده است. شبکه عصبی باید بر پایه الگوریتم آموزشی (روشی که وزنهای روی آکسونها بر پایه آن دگرگون می شوند تا برونرفت مورد دلخواه را بدست آوریم) برای برونرفت دلخواه آماده سازی گردد. در این کار، به کاربرد شبکه عصبی خودسازمانگر از میان گونه های شبکه ها، در بررسی دگرگونی اقلیم پرداخته شده است. برای این کار داده های هواشناسی نوشته شده به گونه روزانه در درازای 44 سال برای ایستگاه سینوپتیکی زنجان را به کار گرفته ایم. در پایان به برآیند خوبی به ویژه در دگرگونی اقلیم در زنجان رسیدیم. برآیند نشانگر یک دگرگونی اقلیم تدریجی از هر 5 سال به 5 سال پسین و همچنین از هر دهه به دهه ی دیگر بوده و این دگرگونی ها پس از سال 1370 آشکار تر شده است و همچنین گرایش به گرم شدن در ماههای سرد سال کاملا آشکار می باشد.

کلیدواژه‌ها:

شبکه عصبی خودسازمانگر، تغییر اقلیم، دسته بندی سینوپتیک

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CCGW02-CCGW02_033.html
کد COI مقاله: CCGW02_033

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
مزین, سهیلا؛ یوسفعلی عابدینی؛ مهدی وثیقی و علیرضا ولیزاده، ۱۳۹۳، بررسی تغییر اقلیم با استفاده از شبکه عصبی مصنوعی، دومین همایش منطقه ای تغییر اقلیم و گرمایش زمین، زنجان، پژوهشکده تغییر اقلیم و گرمایش زمین دانشگاه تحصیلات تکمیلی علوم پایه زنجان، https://www.civilica.com/Paper-CCGW02-CCGW02_033.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (مزین, سهیلا؛ یوسفعلی عابدینی؛ مهدی وثیقی و علیرضا ولیزاده، ۱۳۹۳)
برای بار دوم به بعد: (مزین؛ عابدینی؛ وثیقی و ولیزاده، ۱۳۹۳)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • WMO:World Meteorology Organization, Bultein no.6:November 2010 ...
  • IPCC. Climate Change 2007, The Phvsical Science Basic, Cambridge University ...
  • Muir Glacier, Alaska. Left: September 2, 1892. Right: August 8, ...
  • Extensions and Modi_cations of the Kohonen-SON and Applications in Remote ...
  • Multiple S elf-Organizing Maps for Intrusion Detection. Brandon Craig Rhodes, ...
  • Modeling large cortical networks with growing self-organizing maps. James A. ...
  • An new self-organizing maps strategy for solving the traveling salesman ...
  • S elf-Organizing Mixture Networks for Probability Density Estimation. Hujun Yin ...
  • Data Mining _ Sequences with recursive S elf-Organizing Maps. Sebastian ...
  • Self-organizing map learning nonlinearly embedded manifo lds.Timo S imila. Information ...
  • Recurrent SOM with Local Linear Modes in Time Series Prediction. ...
  • Barry, R. G. & Perry, A. H. (1973) Synoptic climatology: ...
  • Hewitson, B. (2001) Global and regional climate modelling: application to ...
  • Hewiston, B. C. & Crane, R. G. (2002). Self Organizing ...
  • Kohonen, T. (1991) Self-organizing maps: optimization approaches. In: Proceedings of ...
  • R. Ho _ seingholizadeh, Soft Computing with Fuzzy Sets and ...
  • Cavazos, T. (2000) Using Self-organ izing maps to investigate extreme ...
  • Hewitson, B. (2001) Global and regional climate modelling: application to ...
  • Hewiston, B. C. & Crane, R. G. (2002). Self Organizing ...
  • Kohonen, T. (1991) Self-organ izing maps: optimization approaches. In: Proceedings ...
  • Fauset, L.(1994). Fundamentals of Neural Networks : Architectures, Algoritthms and ...
  • Krose, B, Smagt. P (1996) An Introduction to Neural Networks. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۶۶۵۰
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.