پایان‌نامه

مقایسه پیش بینی میزان بارندگی سالانه استان کرمان با استفاده از مدل های شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره

مریم رضایی

چکیده

امروزه پدیده ی تغییر اقلیم به عنوان یک معضل جدی گریبان گیر کشورهای جهان شده است، به نظر می رسد که اکوسیستم ها به طور ویژه ای از این تغییرات آسیب بینند، از این رو مطالعه ی روند تغییرات متغیرهای اقلیمی در درازمدت اهمیت ویژه ای در بررسی های اقلیمی و پیش بینی آن در آینده خواهد داشت. پدیده ی بارش تابع عوامل زیادی می باشد که پیش بینی آن به روش های معمول آماری از دقت کمی برخوردار است. روش های مختلفی برای شبیه سازی متغیر های اقلیمی در دوره های آتی تحت تأثیر تغییر اقلیم وجود دارد که معتبرترین آن ها استفاده از داده های مدل گردش عمومی جو یا gcm (general circulation model) می باشد. مدل های gcm، تنها قادر به شبیه سازی این داده ها در سطوح بزرگ هستند. لذا جهت استفاده از این داده ها لازم است تا داده های gcm، توسط تکنیک های مختلف در سطوح ایستگاهی ریز مقیاس گردند. در این پژوهش با استفاده از خروجی های مدل hadcm3 تحت سناریوی a2 و از طریق مدل های ریزمقیاس کننده sdsm و شبکه عصبی مصنوعی، میزان بارندگی برای سه دوره (2039-2010)، (2069-2040) و (2099-2070) میلادی پیش بینی شد،در ادامه، با توجه به معیارهای آماری نتایج حاصل از دو مدل مورد ارزیابی و مقایسه قرار گرفت. یافته ها، بیانگر عملکرد بالاتر مدل شبکه عصبی در اکثر ایستگاه ها و کاهش بارندگی سالانه استان کرمان تا سال 2100 می باشد.

اساتید راهنما و مشاور

علیرضا مقدم نیا، محمد نهتانی

پایان‌نامه‌های مشابه

اسناد مشابه

  • پیش بینی شدت تصادفات جاده ای با استفاده از شبکه عصبی مصنوعی و مقایسه آن با روش آنالیز چند متغیره

    مقاله۲۰۲۱جادهمحمدرضا کی منش، نصیر برادران رحمانیان

    پیش بینی شدت تصادفات در صورتی که با متدلوژی های دارای مبانی علمی انجام گیرد می تواند به عنوان ابزاری مهم در مدیریت ایمنی راهها و مهندسی حمل و نقل محسوب شود. در این مقاله روشی برای شناسایی و پیش بینی و شدت تصادفات در راههای بین شهری ارائه شده است. این روش مبتنی بر یک تحقیق تجربی ا

  • پیش بینی خصوصیات رئولوژیکی بنیادی خمیر با استفاده از شبکه عصبی-الگوریتم ژنتیک

    مقالهعلوم تغذیه و صنایع غذایی ایرانهاجر عباسی، h abbasi department of food science and technology, khorasgan (isfahan) branch, islamic azad university, isfahan, iran.گروه علوم و صنایع غذایی، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران محمدامین محمدی فر، ma mohammadifar department of food science and technology, faculty of agriculture and natural 3department of food science and technology, faculty of nutrition sciences, food science and technology / national nutrition and food technology research institute, shahid beheshگروه آموزش علوم و صنایع غذایی، انستیتو تحقیقات تغذیه و صنایع غذایی، دانشکده تغذیه و صنایع غذایی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران

    سابقه و هدف: خمیر محصول میانی خطوط تولید صنایع نانوایی است که ویژگی های رئولوژیکی آن نمایانگر خصوصیات فیزیکوشیمیایی مواد اولیه و مؤثر بر ویژگی های کیفی فرآورده نهایی است. با توجه به کارایی بالای شبکه های عصبی مصنوعی در آموزش پذیری و پردازش موازی داده ها با روابط غیر خطی، هدف از ا

  • پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی

    مقالهپژوهشنامه مدیریت حوزه آبخیزفرزانه اکبرزاده، حمید حسن پور، صمد امامقلی زاده

    پیش­بینی تراز آب زیرزمینی به منظور مدیریت و برنامه­ریزی منابع آب، بسیار مهم است. برای انجام این پیش­بینی، از روش­های متعددی مانند روش­های استوکستیکی، منطق فازی و شبکه عصبی مصنوعی می­توان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی rbf هیبرید برای پیش­بینی تراز آب زیرزمینی د

  • پیش بینی شاخص قیمت بورس سهام با استفاده از شبکه عصبی و تبدیل موجک

    مقالهمدیریت دارایی و تأمین مالیرضا راعی، دانشگاه تهران شاپور محمدی، دانشگاه تهران حنظله فندرسکی، دانشگاه تهران

    شاخص بازار سرمایه به عنوان دماسنج اقتصادی هر کشور می باشد. از این رو پیش بینی این متغییر جهت اخذ دید کلی از وضعیت اقتصادی و اخذ استراتژی های سرمایه گذاری، یکی از مسائل مهم به شمار می رود. از جمله روش های پیش بینی پرکاربرد در سری های زمانی مالی، شبکه عصبی می باشد که با توجه به جام

  • پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی

    مقاله۲۰۱۶پژوهشنامه مدیریت حوزه آبخیزفرزانه اکبرزاده، حمید حسن پور، صمد امامقلی زاده

    پیشبینی تراز آب زیرزمینی به منظور مدیریت و برنامهریزی منابع آب، بسیار مهم است. برای انجام این پیشبینی، از روشهای متعددی مانند روشهای استوکستیکی، منطق فازی و شبکه عصبی مصنوعی میتوان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی RBF هیبرید برای پیشبینی تراز آب زیرزمینی دشت شاهر

  • پیش بینی احتمال مرگ ومیر نوزادان نارس بستری در بخش مراقبت های ویژه نوزادان بیمارستان قائم با استفاده مدل شبکه عصبی مصنوعی

    مقالهمجله دانشگاه علوم پزشکی مازندراناکرم رضاییان، akram rezaeian evidence based care research centre, instructor of pediatric nursing, school of nursing and midwifery, mashhad university of medical sciences, mashhad, iranکمیته تحقیقات مراقبت مبتنی بر شواهد، مربی، گروه کودک و نوزاد، دانشکده پرستاری و مامایی، دانشگاه علوم پزشکی مشهد، مشهد، ایران فاطمه نسیمی، fatemeh nasimi instructor of pediatric nursing, school of nursing and allied health, jahrom university of medical sciences, jahrom, iranمربی، گروه کودک و نوزاد، دانشکده پرستاری و پیراپزشکی، دانشگاه علوم پزشکی جهرم، جهرم، ایران فرشید پورعلیزاده مقدم، farshid pooralizadeh moghadam ph.d student in electrical-control engeenering, department of kharazmi pardise, shahrood university of technology, shahrood, iranمشهد: چهاراه دکترا، خیابان ابن سینا، دانشکده پرستاری و مامایی

    سابقه و هدف: علی رغم پیشرفت سریع در درمان های طبی و تکنولوژی مراقبت های حاد طی 30 ساله اخیر در کنار افزایش هزینه های مراقبت های طبی، آنالیز پیامدها از جمله پیش بینی خطر مرگ و میر از چالش های بخش های مراقبت ویژه بوده است. لذا هدف از مطالعه حاضر پیش بینی مرگ و میر نوزادان نارس بستر