مقاله تاثیر متغیرهای اقلیمی پیوند از دور بر خشکسالی هواشناسی با استفاده از رگرسیون چند متغییره و شبکه عصبی

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

  مقاله تاثیر متغیرهای اقلیمی پیوند از دور بر خشکسالی هواشناسی با استفاده از رگرسیون چند متغییره و شبکه عصبی دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله تاثیر متغیرهای اقلیمی پیوند از دور بر خشکسالی هواشناسی با استفاده از رگرسیون چند متغییره و شبکه عصبی  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 تاثیر متغیرهای اقلیمی پیوند از دور بر خشکسالی هواشناسی با استفاده از رگرسیون چند متغییره و شبکه عصبی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله تاثیر متغیرهای اقلیمی پیوند از دور بر خشکسالی هواشناسی با استفاده از رگرسیون چند متغییره و شبکه عصبی :

تعداد صفحات:۱۰
چکیده:
بارش از مهم ترین فاکتورهای هواشناسی است که کاهش آن از مقدار طبیعی در یک دوره زمانی باعث ایجاد خشکسالی می شود. خشکسالی یک پدیده اقلیمی است که آسیب های قابل توجهی به طبیعت و زندگی بشری می رساند. به علت ماهیت تصادفی این پدیده پیش بینی و شناخت این پدیده بسیار مشکل است. از آنجایی که خشکسالی پدیدهای دورهای است در این تحقیق برای بررسی تاثیر پدیده های اقلیمی پیوند از دور بر خشکسالی بارش حوضه آبخیز گرگانرود واقع در استان گلستان را با دوره آماری ۳۰ ساله انتخاب و مورد بررسی قرار داده ایم. بر این اساس برای محاسبه شدت خشکسالی بر اساس شاخص استاندارد شده بارش (SPI) در بازه های زمانی ۶،۳،۱ و ۱۲ ماهه به دست آمده و به عنوان متغییر وابسته در رگرسیون چند متغییره استفاده شد، و هم چنین متغییرهای اقلیمی پیوند از دور، شاخص نوسانات اطلس جنوبی،تعداد لکه های خورشیدی، ال- نینو، انسو و شاخص نوسانات اطلس شمالی به عنوان متغیرهای مستقل مورد استفاده قرار گرفتند.نتایج بدست آمده رگرسیون چند متغییره از نرم افزار SPSS بیانگر این است که بیشترین تاثیر را در بین متغییرهای اقلیمی استفاده شده بر خشکسالی متغییر اقلیمی NINO4 در گام دو و چهارم تاخیر زمانی بر خشکسالی دارد و نتایج حاصل از شبکه عصبی MLP بیانگر بیشترین ضریب همبستگی بین متغییرهای اقلیمی با شاخص خشکسالی SPI دوازده ماهه می باشد.