مقایسه مهارت مدل های استوکاستیک و شبکه ها عصبی مصنوعی در مدل سازی و پیش بینی مقادیر و طبقات شاخص بارندگی استاندارد شده

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

 مقایسه مهارت مدل های استوکاستیک و شبکه ها عصبی مصنوعی در مدل سازی و پیش بینی مقادیر و طبقات شاخص بارندگی استاندارد شده دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه مهارت مدل های استوکاستیک و شبکه ها عصبی مصنوعی در مدل سازی و پیش بینی مقادیر و طبقات شاخص بارندگی استاندارد شده  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 مقایسه مهارت مدل های استوکاستیک و شبکه ها عصبی مصنوعی در مدل سازی و پیش بینی مقادیر و طبقات شاخص بارندگی استاندارد شده،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقایسه مهارت مدل های استوکاستیک و شبکه ها عصبی مصنوعی در مدل سازی و پیش بینی مقادیر و طبقات شاخص بارندگی استاندارد شده :

نام کنفرانس، همایش یا نشریه : پژوهشهای جغرافیای طبیعی (پژوهش های جغرافیایی)

تعداد صفحات :۲۴

هدف از پژوهش پیش رو، مقایسه کارایی مدل های استوکاستیک و شبکه های عصبی مصنوعی در پیش بینی کمی شاخص بارندگی استاندارد شده (SPI) در اقلیم های خشک و مرطوب ایران است. برای این امر، محاسبه SPI، در مقیاس های زمانی سه ماهه، شش ماهه و دوازده ماهه در چهار ایستگاه سینوپتیک کشور طی دوره ۲۰۰۷-۱۹۷۳ انجام شد. در گام بعد، مدل سازی سری های زمانی SPI برای پیش بینی های یک تا دوازده گام به جلو، به سه روش مدل سازی استوکاستیک، شبکه عصبی بازگشتی (RMSNN) و شبکه عصبی مستقیم (DMSNN) انجام گرفت. مقادیر SPI مربوط به دوره ۱۹۷۳ تا ۲۰۰۰، برای توسعه مدل ها و مابقی برای صحت سنجی مدل ها مورد استفاده قرار گرفت. در مرحله صحت سنجی، مقایسه مقادیر مشاهده شده و پیش بینی شده SPI با استفاده از آزمون های آماری، ضریب همبستگی و شاخص خطا انجام شد. همچنین برای بررسی قابلیت مدل ها در پیش بینی طبقات SPI، از آماره کاپای کوهن استفاده شد. در نهایت، اولویت دقت مدل ها از دیدگاه هایی چون، افق زمانی پیش بینی و مقیاس زمانی بررسی خشکسالی تعیین شد. نتایج به دست آمده نشان داد: ۱) در مقیاس زمانی سه، شش و دوازده ماهه، به طور کلی مدل های استوکاستیک (به ترتیب با میانگین خطای ۰.۶۷۸، ۰.۵۶۹ و ۰.۳۴۴ و میانگین ضریب همبستگی ۰.۶۸۲، ۰.۷۷۷ و ۰.۹۱۹) از نظر مهارت پیش بینی مقادیر SPI در اولویت کاربرد قرار دارند. ۲) در مقیاس زمانی سه، شش و دوازده ماهه به ترتیب، مدل های DMSNN، RMSNN و استوکاستیک (با میانگین کاپای ۰.۳۹۷، ۰.۵۳۰ و ۰.۷۵۰) از نظر مهارت پیش بینی طبقات SPI در اولویت کاربرد قرار دارند.

کلید واژه: اقلیم های خشک و مرطوب، پیش بینی، خشکسالی، شاخص بارندگی استاندارد شده، مدل های استوکاستیک، مدل های شبکه عصبی