مقاله پیش بینی دماهای حداکثر شهرستان اردبیل با استفاده از مدل رگرسیون چندگانه و شبکه های عصبی مصنوعی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله پیش بینی دماهای حداکثر شهرستان اردبیل با استفاده از مدل رگرسیون چندگانه و شبکه های عصبی مصنوعی دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله پیش بینی دماهای حداکثر شهرستان اردبیل با استفاده از مدل رگرسیون چندگانه و شبکه های عصبی مصنوعی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله پیش بینی دماهای حداکثر شهرستان اردبیل با استفاده از مدل رگرسیون چندگانه و شبکه های عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله پیش بینی دماهای حداکثر شهرستان اردبیل با استفاده از مدل رگرسیون چندگانه و شبکه های عصبی مصنوعی :

تعداد صفحات:۸

چکیده:

با توجه به روند افزایش دمای کره ی زمین در چندسال اخیر و به تبع آن، کمبود منابع آب، خشکسالی ، گسترش بیماریها و آفات، تغییرات اقلیمی و غیره، ضرورت پیش بینی دماهای حداکثر به عنوان یکی از عناصر مهم اقلیمی که در منابع آبی، کشاورزی، طبیعی و حتی تلفات جانی تأثیر گذار است. جهت برنامه ریزی و مدیریت آینده منابع، برای جلوگیری از بحران مطرح می شود. در زمینه پیش بینی عناصر اقلیمی، مدلهای رگرسیونی و سری های زمانی از مدل های قدیمی هستند. امروزه باتوجه به پیشرفت علومی چون روش های هوشمند، اقلیم شناسان در جستجوی راه های فراتر از روش های متداول در زمینه پیش بینی عناصر اقلیمی هستند. یکی از این روش ها شبکه های عصبی مصنوعی (ANNs) است که از مؤلفه های هوش مصنوعی بوده و امرزه به طور وسیع در زمینه مدل سازی و پیش بینی پارامترهای اقلیمی مورد استفاده قرار می گیرد. در این مقاله، توانایی شبکه های عصبی مصنوعی و رگرسیون چندگانه در پیش بینی دماهای حداکثر شهر اردبیل با استفاده از نرم افزار MATLAB 7بررسی و مقایسه شدند. بدین منظور از متغیرهای میانگین رطوبت نسبی، میان گین سرعت باد، مجموع ساعات آفتابی، میانگین حداقل و حداکثر دمای دوره آماری ۱۸ ساله (۲۰۰۳-۱۹۸۵) جهت پیش بینی دمای حداکثر ژانویه سال ۲۰۰۴ تا دسامبر ۲۰۰۶ و مقایسه ان با داده های واقعی استفاده گردید. نتایج بدست آمده، ضمن تأیید توانایی مدل شبکه عصبی مصنوعی نشان داد که خطای حداکثر این مدل و رگرسیون چندگانه با داده های واقعی به ترتیب برابر ۸۳/۰ و ۲۹/۵ درجه سانتیگراد است که برتری قابل توجه مدل شبکه مصنوعی را در پیش بینی دمای حداکثر نشان میدهد.