CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی سرعت های ماهانه باد با استفاده ازمدل شبکه عصبی مصنوعی پرسپترون چند لایه MLP مطالعه موردی: شهرستان خلخال

اعتبار موردنیاز : ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۱۴۲ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ECONF05_065
زبان مقاله: فارسی
حجم فایل: ۷۵۲.۷۷ کیلوبایت (فایل این مقاله در ۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی سرعت های ماهانه باد با استفاده ازمدل شبکه عصبی مصنوعی پرسپترون چند لایه MLP مطالعه موردی: شهرستان خلخال

  آرزو قهرمانی شام اسبی - کارشناس ارشد اقلیم شناسی دانشگاه محقق اردبیلی
  برومند صلاحی - دانشیارگروه جغرافیای طبیعی دانشگاه محقق اردبیلی
  سیداسعد حسینی - استادیار اقلیم شناسی دانشگاه محقق اردبیلی

چکیده مقاله:

استفاده از انرژی باد به عنوان انرژی های تجدیدپذیر در جوامع صنعتی توجه ویژه ای را دارد. پیش بینی صحیح سرعت بادبرای کنترل عکس العمل های مناسب در توربین های بادی امری است که باعث شده به الگوریتم های پیش بینی سرعتباد از اهمیت زیادی برخوردار شوند. در این پژوهش مدل سازی پیش بینی سرعت باد در شهرستان خلخال با استفاده از مدل پرسپترون چندلایه ) MLP ( مورد بررسی و تجزیه تحلیل قرار گرفت. به این منظور اقدام به جمع آوری داده های میانگیندما، فشار، رطوبت نسبی، سرعت باد در دوره ی آماری 30 ساله 1987-2014 انجام شد.که 25 سال برای مرحله آموزش -و 3سال برای تست انتخاب شد. جهت این کار از امکانات و توابع موجود در نرم افزار matlab بهره گرفته شد. نتایج بدست آمده، نشان داد که مدل پرسپترون چندلایه شبکه عصبی مصنوعی در مدلسازی پیش بینی سرعت باد نتایج قابل قبولی باداده های واقعی بیانگر است به طوری که ضریب همبستگی آن با داده های واقعی برابر با 0.99 درصد بود که در سطح یک معنی دار گشتند. و دارای خطای کمتر از 0.5 درصد است. بنابراین این مدل برای پیش بینی کارایی بالایی دارد.

کلیدواژه‌ها:

پیش بینی، سرعت باد، شبکه عصبی مصنوعی، شهرستان خلخال

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-ECONF05-ECONF05_065.html
کد COI مقاله: ECONF05_065

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:
قهرمانی شام اسبی, آرزو؛ برومند صلاحی و سیداسعد حسینی، ۱۳۹۵، پیش بینی سرعت های ماهانه باد با استفاده ازمدل شبکه عصبی مصنوعی پرسپترون چند لایه MLP مطالعه موردی: شهرستان خلخال، پنجمین همایش سراسری محیط زیست، انرژی و پدافند زیستی، تهران، موسسه آموزش عالی مهر اروند، مرکز راهکارهای دستیابی به توسعه پایدار، https://www.civilica.com/Paper-ECONF05-ECONF05_065.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: (قهرمانی شام اسبی, آرزو؛ برومند صلاحی و سیداسعد حسینی، ۱۳۹۵)
برای بار دوم به بعد: (قهرمانی شام اسبی؛ صلاحی و حسینی، ۱۳۹۵)
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 :

  • استفاده از رویکرد شبکه عصبی مصنوعی جهت پیش بینی کوتاه مدت سرعت باد در شهرستان جیرفت [مقاله کنفرانسی]
  • حسینی، سید اسعد. ۱۳۸۸ . برآورد و تحلیل دماهای حداکثر ...
  • خردادی، محمد جواد؛ اسلامیان، سید سعید؛ عابدی کوپایی؛ جهانگیر، ۱۳۸۶، ...
  • خوشحال دستجردی، جواد، حسینی، سید محمد.۱۳۸۹ .کاربردشبکه عصبی مصنوعی در ... (مقاله ژورنالی)
  • رحیم زاده، فاطمه، پدرام، مژده، صداقت کردار، عبدالله، کمالی، غلامعلی.۱۳۸.برآورد ... (مقاله ژورنالی)
  • صلاحی، برومند، حسینی، سید اسعد، سبحانی، بهروز، شایقی، حسین . ... (مقاله ژورنالی)
  • استفاده از شبکه های عصبی مصنوعی برای پیش بینی کوتاه مدت سرعت باد در نیروگاه های بادی [مقاله کنفرانسی]
  • محبتی کلجاهی، نسرین، محبتی کلجاهی الهام.۱۳۹۰. استفاده از رویکرد ترکیبی ... [مقاله کنفرانسی]
  • منهاج، محمد باقر. ۱۳۸۴. مبانی شبکه عصبی مصنوعی (هوش محاسباتی)، ...
  • Akinci, T.C. 2011. Short Term Wind Speed Forecasting with ANN ...
  • Cadenas, E..Rivera, W. 2010. Wind speed forecasting in three different ...
  • Conrads, P.A., Roehle, E. A., 1999. Comparing Physics- Based and ...
  • Demuth, H., Beale, M., 2002. Neural Network Toolbox User, s ...
  • Jain, A.2003 .Predicting Air Jemerocture for Frost warning using Artificial ...
  • Oztopal, A. 2006. Artificial neural network approach to spatial estimation ...
  • Ranjithan, J., Eheart, J., Garrett, J. H., 1995. Application of ...
  • Singh, S., Bhatti, T. S., Kothari, D. P. 2006. A ...
  • Yao Lee, C., Shen Y. X., Cheng Cheng, J., Li, ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۰۱۶۴
    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.