مقاله مدل سازی بارش فصل زمستان با استفاده از شبکه عصبی مصنوعیبا حداقل متغیرهای اقلیمی در ایستگاه کرمان

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

  مقاله مدل سازی بارش فصل زمستان با استفاده از شبکه عصبی مصنوعیبا حداقل متغیرهای اقلیمی در ایستگاه کرمان دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مدل سازی بارش فصل زمستان با استفاده از شبکه عصبی مصنوعیبا حداقل متغیرهای اقلیمی در ایستگاه کرمان  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 مدل سازی بارش فصل زمستان با استفاده از شبکه عصبی مصنوعیبا حداقل متغیرهای اقلیمی در ایستگاه کرمان،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مدل سازی بارش فصل زمستان با استفاده از شبکه عصبی مصنوعیبا حداقل متغیرهای اقلیمی در ایستگاه کرمان :

تعداد صفحات:۸
چکیده:
پیش بینی بارش و برآورد نزولات جوی، به عنوان یکی از مهم ترین پارامترهای اقلیمی در حوزه مدیریت منابع آبی، از اهمیت ویژه ای در تعیین سیاست های آینده جهت بهینه سازی صرف هزینهها و استفاده از این منابع برخوردار است . یکی از روش های مدل سازی رفتار بارش، شبکه های عصبی مصنوعی است که از مؤلفه های هوش مصنوعی محسوب می شود. در این مقاله، امکان کاربرد شبکه عصبی در برآورد بارش با حداقل پارامترهای اقلیمی مورد برسی قرار گرفت. به این منظور از شبکه عصبی پرسپترون چند لایه با قانون پس انتشار خطا و الگوریتم سیگموئید همراه با داده های فصلی روزهای ابری (DC)، رطوبت نسبی( RHmean)، رطوبت کمینه (HRmin)، رطوبت بیشینه (HRmax )، دما (Tmax )، دمای کمینه (Tmin )، دمای بیشینه (Tmax )، فشار ( Pmean ) ، فشار کمینه (Pmin ) و فشار بیشینه (Pmax ) ایستگاه هواشناسی سینوپتیک کرمان، طی دوره آماری ۱۹۶۹ – ۲۰۱۰ به عنوان ورودی مدل استفاده گردید. ۷۰ درصد داده ها برای آموزش و ۲۰ درصد باقی مانده جهت تست بکار رفته است. جهت پیش بینی و تجزیه و تحلیل عوامل موثر در بارش منطقه از نرم افزار ۲۰۰۰ Qnet کمک گرفته شد. تحلیل نتایج خروجی مدل در صورت کمبود پارامترهای اقلیمی، تنها با اندازه گیری RH و DC میتوان با خطایی معادل ۰/۱ میلی متر، برآورد مناسبی از بارش با استفاده از شبکه های عصبی مصنوعی در منطقه مورد مطالعه به دست آورد.