مقاله پیشبینی فصلی خشکسالی هواشناسی با استفاده از ماشینهای بردار پشتیبان
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله پیشبینی فصلی خشکسالی هواشناسی با استفاده از ماشینهای بردار پشتیبان دارای ۲۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله پیشبینی فصلی خشکسالی هواشناسی با استفاده از ماشینهای بردار پشتیبان 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 پیشبینی فصلی خشکسالی هواشناسی با استفاده از ماشینهای بردار پشتیبان،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله پیشبینی فصلی خشکسالی هواشناسی با استفاده از ماشینهای بردار پشتیبان :
تعداد صفحات :۲۲
در تحقیقات مختلف، پارامترهای هواشناسی متفاوتی در پیشبینی دورههای کم بارش مورد توجه قرار گرفتهاند. در این تحقیق نمایه بارش استاندارد شده (SPI) برای ۶ سناریوی فصل (پاییز، زمستان، بهار، پاییز+ زمستان، زمستان+ بهار و پاییز تا بهار) محاسبه شده و متغیرهای هواشناسی پیشبینی کننده دمای هوا (در سطح ۳۰۰، ۵۰۰، ۷۰۰ و ۸۵۰ میلی بار) و ارتفاع ژئوپتانسیل (در سطح ۳۰۰، ۵۰۰، ۷۰۰ و ۸۵۰ میلی بار) در محدوده طول و عرض جغرافیایی ۰ تا ۶۰ درجه شمالی و ۰ تا ۹۰ درجه شرقی، در سالهای (۱۳۵۴-۱۳۸۶) برای پیشبینی پدیده خشکسالی هواشناسی مورد استفاده قرار گرفت. در این مدل پیشبینی، بازه زمانی پیشبینی کننده بین ماههای اکتبر تا آوریل برای SPI پیشبینی شده در همان بازه زمانی قرار دارد. نمایه بارش استاندارد شده در حوضههای مورد مطالعه (حوضه سدهای طالقان و ماملو) بر اساس بارش متوسط حوضهها که به روش میانگین معکوس فاصله وزندار محاسبه شده، تخمین زده شده است. یکی از روشهای یادگیری آماری با استفاده از ناظر بهنام ماشینبردار پشتیبان (SVM) برای تدوین مدل پیشبینی SPI استفاده شد. با استفاده از تکنیک آماری مبتنی بر آنتروپی مشترک اطلاعات، نقاط مؤثر بر بارش حوضه سدهای تهران در فصل بهار بیشتر در جنوب، جنوب غربی و شمال غربی کشور و در فصل پائیز، شمال، شمال غربی و جنوب و در زمستان در شمال غربی و غرب کشور تشخیص داده شدند. نتایج مدل SVM در اکثر موارد پیشبینی، دقت مناسب داشت. این روش میتواند در پیشبینی رفتارهای غیرخطی دادههای هواشناسی با طول دوره آماری کوتاه مورد استفاده قرار گیرد. این دقت برای دستهبندی SPI فصلهای پاییز و بهار بیشتر از سایر سناریوها است.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.