تحلیل فراوانی وقوع سرماهای فرین و پیش بینی آن با استفاده از روش شبکه عصبی مصنوعی (مطالعه موردی : استان یزد)

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

 تحلیل فراوانی وقوع سرماهای فرین و پیش بینی آن با استفاده از روش شبکه عصبی مصنوعی (مطالعه موردی : استان یزد) دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تحلیل فراوانی وقوع سرماهای فرین و پیش بینی آن با استفاده از روش شبکه عصبی مصنوعی (مطالعه موردی : استان یزد)  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 تحلیل فراوانی وقوع سرماهای فرین و پیش بینی آن با استفاده از روش شبکه عصبی مصنوعی (مطالعه موردی : استان یزد)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تحلیل فراوانی وقوع سرماهای فرین و پیش بینی آن با استفاده از روش شبکه عصبی مصنوعی (مطالعه موردی : استان یزد) :

سال انتشار : ۱۳۹۹

تعداد صفحات : ۱۴

متنوع ترین و مهمترین عنصر تأثیرگذار بر شرایط اقلیمی ایران دما است. هدف از این پژوهش پیش بینی فراوانی وقوعسرماهای فرین در ایستگاه های یزد و رباط پشت بادام در یک دوره مشترک آماری ۲۱ ساله با استفاده از شبکه عصبی مصنوعی ورگرسیون خطی است. پارامترهای مورد استفاده شامل بارش. رطوبت نسبی و سرعت باد در ایستگاه های مورد مطالعه می باشد. دراین تحقیق ابتدا داده های هر ایستگاه به صورت ماهانه برای ۱۹ سال اخذ و با استفاده از روش های صدک ۹۰ و میانگین ،آستانهسرماهای فرین تعریف شده است و براساس مقادیر کمتر از آستانه، فراوانی ماهانه و فصلی سرمای فرین هر ایستگاه مورد بررسیقرار گرفت. برای ارائه مدل برتر پیش بینی فراوانی وقوع سرماهای فرین از دو روش رگرسیون خطی و روش غیرخطی شبکه عصبیاستفاده شد. در طول دوره آماری موردمطالعه، بیشترین فراوانی وقوع سرمای فرین براساس روش میانگین در ایستگاه های یزد ورباط پشت بادام در ماه آبان و براساس روش صدک در ماه های دی، بهمن و اسفند می باشد. بیشترین فراوانی فصلی وقوع سرمایفرین براساس روش صدک، در ایستگاه یزد در فصل زمستان و در رباط پشت بادام در فصل تابستان و براساس روش میانگین، دریزد، فصول بهار و زمستان و در رباط پشت بادام فصل پاییز به وقوع پیوسته است. نتایج آزمون سه نوع شبکه های عصبی نشانداد که شبکه نارکس قادر است با دقت بالا و میزان خطای کمتری نسبت به شبکه های عصبی پرسپترون چندلایه به پیش بینی و شبیه سازی دماهای حداقل بپردازند.