شبیه سازی نوسانات تراز آب دریای خزر با استفاده از برنامه ریزی بیانژن، شبکه تصمیم گیری بیزین و شبکه عصبی مصنوعی

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

 شبیه سازی نوسانات تراز آب دریای خزر با استفاده از برنامه ریزی بیانژن، شبکه تصمیم گیری بیزین و شبکه عصبی مصنوعی دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد شبیه سازی نوسانات تراز آب دریای خزر با استفاده از برنامه ریزی بیانژن، شبکه تصمیم گیری بیزین و شبکه 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 شبیه سازی نوسانات تراز آب دریای خزر با استفاده از برنامه ریزی بیانژن، شبکه تصمیم گیری بیزین و شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن شبیه سازی نوسانات تراز آب دریای خزر با استفاده از برنامه ریزی بیانژن، شبکه تصمیم گیری بیزین و شبکه عصبی مصنوعی :

تعداد صفحات :۱۳

چکیده مقاله:

اثرات تغییر تراز آب دریای خزر به عنوان بزرگترین پهنه آبی محصور در خشکی، روی فرآیندهای فیزیکی همچون تبخیر، چرخه آب و رسوبگذاری، روی فعالیتهای زیستی همچون اکولوژی ساحلی و روی فعالیتهای انسانی، همچون صنایع دریایی بسیار گسترده است. آگاهی از این نوسانات در بررسی مسایل فوق بسیار حایز اهمیت است. روشهای مختلفی همچون شبکه عصبی مصنوعی، برنامه ریزی بیانژن و مدل شبکه تصمیم گیری بیزین برای پیشبینی تغییرات تراز آب سطح آب دریا کاربرد دارند. ارایه معادله ریاضی بین متغیر وابسته و سایر متغیرهای مستقل در مدل برنامه ریزی بیزین همچنین ارایه یک روش حل صریح بین مولفه های ورودی و خروجی در روش برنامه ریزی بیانژن، این الگوریتم ها را به ابزاری قوی و مناسب برای حل مسایل مدل سازی تبدیل میکند. در پژوهش حاضر از روشهای برنامه ریزی بیانژن، مدل شبکه تصمیم گیری بیزین و همچنین از شبکه عصبی مصنوعی برای پیشبینی نوسانات تراز آب دریای خزر استفاده شده است. از داده های ماهانه نوسانات تراز آب دریای خزر از سال ۱۳۵۹ تا سال ۱۳۹۲برای شبیهسازی استفاده شد. برای ارزیابی مدلها از نمایه های ضریب تبیین (R2) و جذر میانگین مربعات خطا (RMSE) استفاده شد. نتایج حاصل حاکی از دقت مطلوب برنامه ریزی بیان ژن با R2 = 0.875 و RMSE = 6. 556 (cm) و مدل شبکه تصمیمگیری بیزین با R2 = 0.877 و RMSE = 6. 596 (cm) نسبت به شبکه عصبی مصنوعی با R2=0.879و RMSE=59.041 (cm) در شبیه سازی نوسانات سطح آب میباشد.