بازسازی سری های زمانی دمای حداکثر و حداقل روزانه با استفاده از روش نزدیک ترین همسایه و شبکه عصبی مصنوعی (مطالعه موردی غرب استان تهران)

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

 بازسازی سری های زمانی دمای حداکثر و حداقل روزانه با استفاده از روش نزدیک ترین همسایه و شبکه عصبی مصنوعی (مطالعه موردی غرب استان تهران) دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بازسازی سری های زمانی دمای حداکثر و حداقل روزانه با استفاده از روش نزدیک ترین همسایه و شبکه عصبی مصنوعی (مطالعه موردی غرب استان تهران)  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 بازسازی سری های زمانی دمای حداکثر و حداقل روزانه با استفاده از روش نزدیک ترین همسایه و شبکه عصبی مصنوعی (مطالعه موردی غرب استان تهران)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن بازسازی سری های زمانی دمای حداکثر و حداقل روزانه با استفاده از روش نزدیک ترین همسایه و شبکه عصبی مصنوعی (مطالعه موردی غرب استان تهران) :

نام کنفرانس، همایش یا نشریه : فضای جغرافیایی

تعداد صفحات :۲۴

برای تحلیل تغییرپذیری زمانی، روند وقایع حد، تخمین ریسک و احتمال وقوع سری های زمانی طولانی مدت مورد نیاز است. یکی از مهم ترین سری های زمانی در علوم جغرافیایی و اقلیم شناسی مربوط به دمای حداکثر و حداقل روزانه است. این دو پارامتر دمایی در برآورد تبخیر و تعرق روزانه، تعیین بیلان آبی و مطالعات تغییر اقلیم کاربرد دارد تعداد سال های آماری متفاوت، نواقص آماری و خطای اندازه گیری باعث ایجاد سری های زمانی با پایه زمانی غیر مشترک می گردد. به این منظور بازسازی داده های آماری امری لازم و ضروری است.در این تحقیق بازسازی داده های دمای حداکثر و حداقل روزانه از روش های نزدیک ترین همسایه و شبکه عصبی مصنوعی برای ۵ ایستگاه هواشناسی واقع در غرب استان تهران مورد بررسی قرار گرفت. در روش نزدیک ترین همسایه از رابطه بین دمای حداکثر و حداقل روزانه با نزدیک ترین ایستگاه استفاده شد و در روش شبکه عصبی مصنوعی با استفاده از شبکه ایستگاه های هواشناسی دمای حداکثر و حداقل روزانه بازسازی گردید. شبکه عصبی مورد استفاده در این تحقیق یک شبکه عصبی پیش خور با یک لایه پنهان و الگوی آموزشی پس انتشار خطا می باشد. نتایج نشان می دهد که برای کلیه ایستگاه های مورد مطالعه روش شبکه عصبی متوسط خطای مطلق کمتری را نسبت به روش نزدیک ترین همسایه دارد. در روش نزدیک ترین همسایه با افزایش فاصله ایستگاه ها خطای برآورد افزایش می یابد. همچنین دقت هر دو روش در تخمین دمای حداکثر روزانه بیشتر از دمای حداقل روزانه می باشد.

کلید واژه: سری های زمانی، بازسازی داده، دمای حداکثر و حداقل روزانه، شبکه عصبی مصنوعی، روش نزدیک ترین همسایه، غرب استان تهران