مقاله بررسی اثر توزیع مکانی داده های اقلیمی و شاخص های اقلیمی بر عملکرد مدلهای هوشمند در پیش بینی جریان ماهانه (مطالعه موردی حوضه کارون)

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

  مقاله بررسی اثر توزیع مکانی داده های اقلیمی و شاخص های اقلیمی بر عملکرد مدلهای هوشمند در پیش بینی جریان ماهانه (مطالعه موردی حوضه کارون) دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بررسی اثر توزیع مکانی داده های اقلیمی و شاخص های اقلیمی بر عملکرد مدلهای هوشمند در پیش بینی جریان ماهانه (مطالعه موردی حوضه کارون)  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 اثر توزیع مکانی داده های اقلیمی و شاخص های اقلیمی بر عملکرد مدلهای هوشمند در پیش بینی جریان ماهانه (مطالعه موردی حوضه کارون)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بررسی اثر توزیع مکانی داده های اقلیمی و شاخص های اقلیمی بر عملکرد مدلهای هوشمند در پیش بینی جریان ماهانه (مطالعه موردی حوضه کارون) :

تعداد صفحات:۱۲

چکیده:

بهره برداری بهینه از سیستم های منابع آب درکشور، مستلزم ارتقاء دقت پیش بینی آورد رودخانه هاست . اهمیت این موضوع در حوضه های بزرگی همچون کارون بدلیل شرایط استراتژ یک منطقه، وسعت اراضی کشاورزی و تولید انرژی برقابی بارزتر می باشد . در این مقاله نتایج پیش بینی جریان ۱ تا ۳ ماه بعد حوضه کارون تا محل ایستگاه پل شالو با استفاده از توزیع مکانی داده های اقلیمی ( بارندگی و دما ) و بکارگیری مدلهای هوشمندی نظیر شبکه های عصبی مصنوعی و نرو – فازی گزارش می گردد . برای بررسی تاثیر توزیع مکانی داده ها، عملکرد این مدلها با داده های نقطه ای نیز بوسیله شاخص های R 2 ، MAE و RMSE مورد ارزیابی قرار گرفت . همچنین اثر شاخص اقلیمی SOI بر خروجی مدلهای هوشمند بررسی شد . نتایج بدست آمده حاکی از آن بود که توزیع مکانی بارندگی بصورت ترکیبی با داده های نقطه ای دما بهترین عملکرد را در هر دو مدل داشته است . همچنین وجود داده های SOI در ورودی مدلها تا اندازه ای باعث بهبود نتایج آنها میشود و در کل مدلهای شبکه عصبی نسبت به مدلهای نرو – فازی با داشتن ورودیهای مشابه، عملکرد بهتری را نشان داده اند .