پیش بینی دما با استفاده از روش های هوشمند

مقدمه

۱

فصل یکم – منطق فازی و ریاضیات فازی

۱-۱- منطق فازی

۲

۱-۱-۱- تاریخچه مختصری از منطق فازی

۲

۱-۱-۲- آشنایی با منطق فازی

۴

۱-۱-۳- سیستم های فازی

۷

۱-۱-۴- نتیجه گیری

۱۰

۱-۲- ریاضیات فازی

۱۱

۱-۲-۱- مجموعه های فازی

۱۱

۱-۲-۲- مفاهیم مجموعه های فازی

۱۴

۱-۲-۳- عملیات روی مجموعه های فازی

۱۴

۱-۲-۴- انطباق مجموعه های فازی

۱۹

۱-۲-۵- معیار های امکان و ضرورت

۱۹

۱-۲-۶- روابط فازی

۲۱

۱-۲-۶-۱- رابطه ی هم ارزی فازی

۲۳

۱-۲-۶-۲- ترکیب روابط فازی

۲۳

۱-۲-۷- منطق فازی

۲۴

۱-۲-۷-۱- عملیات منطقی و مقادیر درستی فازی

۲۵

۱-۲-۷-۲- کاربرد مقادیر درستی فازی

۲۷

۱-۲-۸- نتیجه گیری

۲۷

فصل دوم- الگوریتم ژنتیک

۲-۱- چکیده

۲۸

۲-۲- مقدمه

۲۹

۲-۳- الگوریتم ژنتیک چیست؟

۳۲

۲-۴- ایده اصلی الگوریتم ژنتیک

۳۵

۲-۵- الگوریتم ژنتیک

۳۷

۲-۶- سود و کد الگوریتم

۳۸

۲-۷- روش های نمایش

۳۹

۲-۸- روش های انتخاب

۴۰

۲-۹- روش های تغییر

۴۱

۲-۱۰- نقاط قوت الگوریتم های ژنتیک

۴۲

۲-۱۱- محدودیت های GAها

۴۳

۲-۱۲- چند نمونه از کاربردهای الگوریتم های ژنتیک

۴۳

۲-۱۳- نسل اول

۴۵

۲-۱۴- نسل بعدی

۴۶

۲-۱۴-۱- انتخاب

۴۷

۲-۱۴-۲- تغییر از یک نسل به نسل بعدی(crossover)

۴۷

۲-۱۴-۳- جهش (mutation)

۴۸

۲-۱۵- هایپر هیوریستیک

۴۸

فصل سوم- بررسی مقالات

۳-۱- یک روش رویه‌‌‌ای پیش بینی دمای هوای شبانه برای پیش بینی یخبندان

۳-۱-۱- چکیده

۵۱

۳-۱-۲- مقدمه

۵۱

۳-۱-۳- روش شناسی

۵۳

۳-۱-۳-۱- مجموعه اصطلاحات

۵۳

۳-۱-۳-۲-نگاه کلی

۵۳

۳-۱-۳-۳- یادگیری

۵۴

۳-۱-۳-۴- تولید پارامتر های ساختاری

۵۵

۳-۱-۳-۵- پیش بینی

۵۷

۳-۱-۳-۶- متناسب سازی ضعیف، متوسط و دقیق

۵۹

۳-۱-۴- نتایج

۶۰

۳-۱-۴-۱- واقعه ی یخبندان شپارتون

۶۴

۳-۱-۴-۲- بحث

۶۵

۳-۱-۵- نتیجه گیری

۶۶

۳-۲- پیش بینی دما و پیش گویی بازار بورس بر اساس روابط منطق فازی و الگوریتم ژنتیک

۳-۲-۱- چکیده

۶۷

۳-۲-۲- مقدمه

۶۷

۳-۲-۳- سری های زمانی فازی و روابط منطق فازی

۶۹

۳-۲-۴- مفاهیم اساسی و الگوریتم های ژنتیک

۷۰

۳-۲-۵- روش جدید پیش بینی دما و بازار بورس بر اساس روابط منطقی فازی و الگوریتم های ژنتیک

۷۱

۳-۲-۶- نتیجه گیری

۹۳

۳-۳-پیش بینی روند دمای جهانی بر اساس فعالیت های خورشیدی پیشگویی شده در طول دهه های آینده

۳-۳-۱- چکیده

۹۴

۳-۳-۲- مقدمه

۹۴

۳-۳-۳- داده و روش بررسی

۹۶

۳-۳-۴- نتایج

۹۹

۳-۳-۵- نتیجه گیری

۱۰۰

جدول۱-۲-۱- برخی از مفاهیم پایه ی مجموعه های فازی

۱۴

جدول۳-۱-۱- تاریخ اولین پیش بینی و خطای پیش بینی مربوطه

۶۳

جدول۳-۲-۱- داده های پیشین میانگین دمای روزانه از ۱ ام ژوئن ۱۹۹۶ تا ۳۰ ام سپتامبر در تایوان

۷۲

جدول۳-۲-۲- داده های قدیمی تراکم ابر های روزانه از ۱ ام ژوئن ۱۹۹۶ تا ۳۰ ام سپتامبر در تایوان

۷۴

جدول۳-۲-۳- جمعیت ابتدایی

۷۸

جدول۳-۲-۴- میانگین دمای روزانه ی فازی شده و تراکم ابرهای روزانه فازی شده از ۱ ام ژوئن تا۳۰ام سپتامبر در تایوان بر اساس نخستین کروموزوم

۷۹

جدول۳-۲-۵- دو فاکتور مرتبه سوم روابط گروهی منطق فازی

۸۰

جدول۳-۲-۶- دمای پیش بینی شده و میانگین خطای پیش بینی بر اساس سریهای زمانی فازی مرتبه سوم

۸۵

جدول۳-۲-۷- درصد میانگین خطای پیش بینی برای مراتب مختلف بر اساس روشهای پیشنهادی

۸۶

جدول۳-۲-۸- درصد میانگین خطاهای پیش بینی برای پنجره های متفاوت بر اساس روشهای پیشنهادی

۸۷

جدول۳-۲-۹- داده های قدیمیTAIFEXو TAIEX

۸۹

جدول۳-۲-۱۰- خطای مربع حسابی برای مراتب مختلف روش پیشنهادی

۸۹

جدول۳-۲-۱۱- مقایسه مقادیر پیشبینیTAIFEXوخطاهای مربع حسابی برای روشهای مختلف پیش بینی

۹۰

عنوان

صفحه

شکل ۱-۱-۱- طرز کار سیستم فازی

۷

شکل ۱-۲-۱- نمودار توابع فازیs، ذوزنقهای و گاما

۱۳

شکل ۱-۲-۲- مثال هایی از اجتماع، اشتراک و متمم دو تابع عضویت

۱۶

شکل ۱-۲-۳- برخی از عملگر های پیشنهاد شده برای اشتراک

۱۷

شکل۱-۲-۴- برخی از عملگر های پیشنهاد شده برای اجتماع

۱۸

شکل ۱-۲-۵- انطباق دو مجموعه فازی

۱۹

شکل ۱-۲-۶- نمایش معیار های امکان و ضرورت

۲۰

شکل ۱-۲-۷- مقادیر درستی فازی

۲۵

شکل ۲-۱- منحنی

۳۲

شکل ۲-۲- تاثیر الگوریتم ژنتیک بر کروموزوم های ۸ بیتی

۴۱

شکل۳-۱-۱-تفاوت های تولید شده ی بین مشاهدات مرجع و مشاهداتی که زودتر در صف می آیند

۵۴

شکل ۳-۱-۲- مشاهدات هواشناسی به صف شده

۵۵

شکل ۳-۱-۳- دیاگرام درختی

۵۸

شکل ۳-۱-۴- توابع گاوس برای متناسب سازی ضعیف، متوسط و دقیق دمای هوا

۵۹

شکل ۳-۱-۵- هیستوگرام خطا های پیش بینی

۶۱

شکل۳-۱-۶- خطای میانه ماهیانه

۶۱

شکل ۳-۱-۷-خطای درصدی میانه ماهیانه

۶۲

شکل ۳-۱-۸-تراکم پیش بینی

۶۳

شکل ۳-۱-۹- ترسیم توزیعی دمای هوای مشاهده شده در مقابل ۱ ساعت پیش بینی دمای هوا

۶۴

شکل۳-۱-۱۰- واقعه ی شپارتون، مشاهده و پیش بینی دماهای هوا

۶۵

شکل ۳-۲-۱- یک کروموزوم

۷۴

شکل ۳-۲-۲- توابع عضویت متناظر رن هایx کروموزوم های نشان داده شده در شکل۳-۲-۱

۷۶

شکل ۳-۲-۳- توابع عضویت متناظر ژن هایy کروموزوم های نشان داده شده در شکل۳-۲-۱

۷۷

شکل ۳-۲-۴- عملیاتcrossover دو کروموزوم

۸۲

شکل۳-۲-۵- عملیات جهش یک کروموزوم

۸۴

شکل ۳-۲-۶- بهترین کروموزوم برای پیش بینی میانگین دمای روزانه در ژوئن ۱۹۹۶

۸۴

شکل ۳-۲-۷- میانگین خطای پیش بینی روشهای پیشنهادی بر اساس سری های زمانی فازی مرتبه سوم

۸۶

شکل ۳-۲-۸- خطای مربع حسابی بر اساس سری های زمانی فازی مرتبه هفتم

۹۱

شکل ۳-۳-۱-پیکر بندی شبکه های عصبی منطقی فازی

۹۶

شکل ۳-۳-۲- مقادیر مشاهده و پیش بینی شده ی ولف نو

۹۸

شکل ۳-۳-۳- مقادیر مشاهده و پیش بینی شده ی دمای غیر عادی جهان

۹۸