مقاله کاربرد شبکه عصبی مصنوعی در شبیه سازی عناصر اقلیمی و پیش بینی سیکل خشکسالی (مطالعه موردی: استان اصفهان)

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

  مقاله کاربرد شبکه عصبی مصنوعی در شبیه سازی عناصر اقلیمی و پیش بینی سیکل خشکسالی (مطالعه موردی: استان اصفهان) دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله کاربرد شبکه عصبی مصنوعی در شبیه سازی عناصر اقلیمی و پیش بینی سیکل خشکسالی (مطالعه موردی: استان اصفهان)  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 کاربرد شبکه عصبی مصنوعی در شبیه سازی عناصر اقلیمی و پیش بینی سیکل خشکسالی (مطالعه موردی: استان اصفهان)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله کاربرد شبکه عصبی مصنوعی در شبیه سازی عناصر اقلیمی و پیش بینی سیکل خشکسالی (مطالعه موردی: استان اصفهان) :

مقاله کاربرد شبکه عصبی مصنوعی در شبیه سازی عناصر اقلیمی و پیش بینی سیکل خشکسالی (مطالعه موردی: استان اصفهان) که چکیده‌ی آن در زیر آورده شده است، در پاییز ۱۳۸۹ در جغرافیا و برنامه ریزی محیطی (مجله پژوهشی علوم انسانی دانشگاه اصفهان) از صفحه ۱۰۷ تا ۱۲۰ منتشر شده است.
نام: کاربرد شبکه عصبی مصنوعی در شبیه سازی عناصر اقلیمی و پیش بینی سیکل خشکسالی (مطالعه موردی: استان اصفهان)
این مقاله دارای ۱۴ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله شبکه عصبی مصنوعی
مقاله پیش بینی خشکسالی
مقاله پرسپترون چندلایه
مقاله مارکوارت – لونبرگ
مقاله استان اصفهان

چکیده و خلاصه‌ای از مقاله:
در این پژوهش، از شبکه های عصبی مصنوعی (Artificial Neural Networks) به عنوان ابزاری توانمند در مدل سازی فرآیندهای غیرخطی و نامعین، به منظور پیش بینی سیکل خشکسالی در ۲۰ ایستگاه سینوپتیک، کلیماتولوژی و هیدرومتری استان اصفهان که حداقل ۲۰ سال آمار روزانه داشتند، استفاده شد. از نرم افزار MATLAB-7 و در شاخه Neural Network، برای پیش بینی و تجزیه و تحلیل عناصر اقلیمی کمک گرفته شد. ورودی مدل های ANN، داده های میانگین ماهانه بارش، دبی حداقل و دمای بیشینه است که این داده ها، بازه زمانی سال های ۱۳۶۰ تا ۱۳۸۳ را در بر می گیرند. اطلاعات ۲۰ ساله برای آموزش مدل ها و ۴ سال باقی مانده برای آزمایش آن ها به کار رفته است. شبکه مورد استفاده از نوع پرسپترون چندلایه (Multi-layer Perceptron) با الگوریتم پس انتشارِ خطا ( Back Propagation) و تکنیک یادگیری مارکوارت – لونبرگ (Train LM: Levenberg-Marquardt) است. ساختارهای گوناگونی از شبکه عصبی با تغییر در لایه های ورودی (۶ مدل)، تعداد گره ها در لایه های پنهان و خروجی (۲ الی۲۰ گره) ایجاد گردید. نتایج حاصل از تحقیق حاضر، نشان می دهد که در میان الگوهای مورد بررسی، دمای بیشینه، دبی و بارش، نقش مثبتی در پیش بینی خشکسالی های استان اصفهان داشته، با کاربرد شبکه عصبی مصنوعی می توان با دقت بالای ۹۵ درصد، سیکل خشکسالی استان را پیش بینی نمود.