CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی متوسط دمای ماهانه ایستگاه سینوپتیک شهرستان مریوان با استفاده از مدل شبکه عصبی GMDH

اعتبار موردنیاز : ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۱۰۴ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: GEOGRAPHIC01_030
زبان مقاله: فارسی
حجم فایل: ۴۵۲.۵۳ 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 متوسط دمای ماهانه ایستگاه سینوپتیک شهرستان مریوان با استفاده از مدل شبکه عصبی GMDH

  علیرضا قراگوزلو - دانشیار آموزشکده سازمان نقشه برداری کشور، تهران
  جهان بخش محمدی - دانشجوی دکتری رشته GIS/RS، دانشکده محیط زیست و انرژی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
  سلام ادهمی - دانشجوی دکتری رشته GIS/RS، دانشکده محیط زیست و انرژی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
  اسدالله محمدی - دانشجوی دکتری رشته جغرافیا و برنامه ریزی روستایی، دانشکده علوم انسانی، مرکز تحصیلات تکمیلی، پیام نور تهران

چکیده مقاله:

پیش بینی دما به عنوان یکی از مهمترین پارامترهای اقلیمی به دلیل تغییرات اقلیمی، خشکسالی، گرمایشجهانی، خطر سیلاب و غیره از اهمیت ویژه ای برخوردار است. مدل شبکه عصبی GMDH یکی از خانواده های شبکه عصبی مصنوعی است که قادر است با معادلاتی ساده، ترکیبات پیچید های را در لایه های متوالی به وجودآورد و می تواند تابع حاکم بر یک سیستم را استخراج نماید. در این تحقیق، با استفاده از اطلاعات میانگین دمایماهانه ایستگاه سینوپتیک مریوان در طول دوره 19 ساله (2010-1992 )، به عنوان ورودی شبکه عصبی میانگین دمای ماهانه در سال های (2014-2011) پیش بینی شد. برای این کار از محیط برنامه نویسی نرم افزار MATLABاستفاده شد. سپس نتایج از طریق مقایسه مقادیر مشاهداتی و مقادیر پیش بینی شده توسط مدل و همچنین استفاده از نمودار رگرسیون و ضریب همبستگی پرداخته شد. نتایج حاصله نشا ندهنده ی دقت قابل قبول شبکه عصبی GMDH می باشد.

کلیدواژه‌ها:

پیش بینی دما، ضریب همبستگی،مدل شبکه عصبی GMDH

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-GEOGRAPHIC01-GEOGRAPHIC01_030.html
کد COI مقاله: GEOGRAPHIC01_030

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:
قراگوزلو, علیرضا؛ جهان بخش محمدی؛ سلام ادهمی و اسدالله محمدی، ۱۳۹۶، پیش بینی متوسط دمای ماهانه ایستگاه سینوپتیک شهرستان مریوان با استفاده از مدل شبکه عصبی GMDH، اولین همایش اندیشه ها وفناوری های نوین در علوم جغرافیایی، زنجان، گروه جغرافیای دانشگاه زنجان، https://www.civilica.com/Paper-GEOGRAPHIC01-GEOGRAPHIC01_030.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: (قراگوزلو, علیرضا؛ جهان بخش محمدی؛ سلام ادهمی و اسدالله محمدی، ۱۳۹۶)
برای بار دوم به بعد: (قراگوزلو؛ بخش محمدی؛ ادهمی و محمدی، ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: پژوهشگاه دولتی
تعداد مقالات: ۲۳۸
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.