مقاله بررسی عدم قطعیت مدل شبکه عصبی در ریز‌مقیاس گردانی ‏HadCM3‎‏ با روش ‏فاصله اطمینان بوت استراپ

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

 مقاله بررسی عدم قطعیت مدل شبکه عصبی در ریز‌مقیاس گردانی ‏HadCM3‎‏ با روش ‏فاصله اطمینان بوت استراپ دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بررسی عدم قطعیت مدل شبکه عصبی در ریز‌مقیاس گردانی ‏HadCM3‎‏ با روش ‏فاصله اطمینان بوت استراپ  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 بررسی عدم قطعیت مدل شبکه عصبی در ریز‌مقیاس گردانی ‏HadCM3‎‏ با روش ‏فاصله اطمینان بوت استراپ،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بررسی عدم قطعیت مدل شبکه عصبی در ریز‌مقیاس گردانی ‏HadCM3‎‏ با روش ‏فاصله اطمینان بوت استراپ :

تعداد صفحات :۱۸

در روش‌های ریزمقیاس گردانی آماری که بر اساس رابطه بین داده‌های گردش عمومی اتمسفری-اقیانوسی و هر یک از متغیرهای اقلیمی (بارش، دمای کمینه، دمای بیشینه) ایجاد می‌شود، دوره آتی آن متغیر اقلیمی شبیه‌سازی می‌شود. از آن‌جایی که در شبیه‌سازی، تمامی عوامل رخ داد، یک متغیر در مدل وارد نمی‌شود، لذا برآورد به‌وجود آمده همراه با خطا و یا عدم قطعیت می‌باشد. خروجی مدل‌های ریزمقیاس گردانی به‌عنوان ورودی در مدل‌های منابع آب و کشاورزی وارد شده و در صورتی که این ورودی‌ها دارای خطا باشند، خروجی مدل‌های ذکر شده نیز با عدم قطعیت بیشتری مواجه خواهد شد. شناخت مقدار خطا و یا عدم قطعیت هر مدل در قضاوت و اطمینان به نتایج به‌دست آمده ضروری است. در این تحقیق سعی شده است، عدم قطعیت ریزمقیاس گردانی مدل‌های GCM با شبکه عصبی در ایستگاه‌های شمال غرب کشور بررسی شود. بدین منظور، مدل شبکه عصبی اجراء و برای هر یک از ماه‌های سال، دمای کمینه، بیشینه و بارش با داده‌های NCEP واسنجی و ارزیابی شد. سپس، با داده‌های HadCM3 در دوره حاضر مدل ایجاد شده، مقادیر فوق شبیه‌سازی شد. داده‌های روزانه مشاهده‌ای هر ماه در دوره (۲۰۰۱-۱۹۶۱) تهیه و در هر ایستگاه و هر ماه با روش بوت استرپ فاصله اطمینان ۹۹ درصد استخراج شد. سپس متوسط ماهانه دوره هر یک از متغیرهای اقلیمی برآورد شده به‌وسیله شبکه عصبی محاسبه شد. برای این منظور از دو معیار میانگین و واریانس داده‌ها استفاده شد. در هر ماه هرگاه میانگین یا واریانس برآورد شده در محدوده اطمیان قرار گیرد، برآورد به‌دست آمده دارای اطمینان است. برای مقایسه نتایج از تعداد ایستگاه-ماه استفاده شد. نتایج نشان داد که میانگین دمای بیشینه در ۱۴ ایستگاه-ماه در محدوده اطمینان واقع شدند. تحلیل ماهانه آن نیز نشان داد، دقت شبکه عصبی در تابستان کم بوده و عدم قطعیت بالاتری نسبت به فصول دیگر دارد. در شبیه‌سازی دمای کمینه بر اساس این معیار ۱۸ ایستگاه-ماه در محدوده اطمینان واقع شد. دقت شبکه عصبی در تابستان برای برآورد دمای کمینه کم و دارای عدم قطعیت در اغلب ایستگاه‌ها بود. به‌طوری که در ماه‌های ژوئن و آگوست در هیچ یک از ایستگاه‌ها برآورد به‌دست آمده در محدوده اطمینان قرار نگرفت. محدوده اطمینان بارش به‌دلیل ماهیت تغییرات زیاد آن نسبت به دما بسیار بالا بوده و تا بیش از ۵۰ درصد بارش متوسط ماه نیز در برخی ایستگاه‌ها رسید. باتوجه به دامنه اطمینان بالای بارش، در ۵۳ مورد ایستگاه-ماه در محدوده اطمینان قرار گرفتند.