پایان نامه پیش بینی دما با استفاده از روش های هوشمند

تعداد صفحات: ۱۱۰ | قابل ویرایش

فهرست مطالب

مقدمه

تابش های مستقیم و غیر مستقیم منشا اصلی انرژی حرارتی کره ی زمین است بازتاب آن ها توسط زمین موجب گرم شدن هوا می گردد. اندازه گیری دما در محیط باز نشان دهنده ی دمای هوا ، دمای ناشی از تابش های اجسام مجاور و تابش های مستقیم خورشید است.

به همین دلیل دماسنج ها را در پناهگاههای هواشناسی قرار می دهند به طوریکه مخزن آن ها از سطح زمین در ارتفاع مشخصی در حدود ۱۳۵ سانتی متری قرارداشته باشند.

به این ترتیب دمای هوای بدست آمده در نقاط مختلف با یکدیگر قابل مقایسه هستند و تحت تاثیر تابش های مستقیم یا غیر مستقیم نمی باشند. از جمله عوامل موثر در دمای یک منطقه عرض جغرافیایی، ارتفاع، جریان های دریایی، فاصله از دریا، باد، جهت و پوشش ابری می باشند.

حال با توجه به عوامل ذکر شده برای پیش بینی دما روش های گوناگونی به کاربرده شده است طوری که در پی سالیان متمادی تحقیق و پژوهش، روشهای گوناگونی در زمینه پیش بینی پیشنهاد گردیدند که می‌توان آنها را در دو گروه روش های کلاسیک و اکتشافی مدرن طبقه بندی کرد.

روشهای کلاسیک بر پایه ی احتمالات و مدل ریاضی عمل می‌کنند ولی روش های اکتشافی هوشمند، از سیستم های مبتنی بر شبکه های عصبی، منطق فازی، الگوریتم های تکاملی و ترکیبی از روشهای هوش مصنوعی تشکیل شده است.

مزیت اصلی روش های اکتشافی مدرن در این است که به طراح در دستیابی به سیستمی دینامیک و غیر خطی کمک می کنند، و همچون متد های کلاسیک نیازی به پیشنهاد یک الگو ندارند و هیچ فرضی درباره ماهیت توزیع داده های مشاهده شده در آنها به چشم نمی خورد.

چکیده

پیش بینی دقیق دماهای هوای شبانه برای پیش بینی یخبندان می تواند به گسترش استراتژی های موثر کاهش آسیب به محصولاتی که عاملش شکل گیری یخبندان فصلی است، منتهی شود.

سیستم پیش بینی ریل تایم باید قادر به اجرا شدن بر روی ماشین های محاسباتی کم قدرت باشند و باید قادر به گسترش یافتن در میدانی که مشاهدات هواشناسی پیشین خاص رویت شده، ممکن است در دسترس نباشد.

این مقاله  یک روش رویه ای پیش بینی دمای هوای شبانه برای پیش بینی یخبندان با استفاده از تطبیق فازی به منظور پیش بینی کردن پارامتر های ساختاری تابع رگرسیون از داده های محدود گذشته ارائه می دهد. در مقاله همچنین مطالعه ای بر شکل گیری یخبندان در شپار تون ، استرالیا، ارائه می دهیم.

مجموعه اصطلاحات

۱) مشاهدات هواشناسی خاص می تواند در شرایطی از داده ها مثل دمای هوا، دمای نقطه ی شبنم ، رطوبت نسبی ، سرعت باد و جهت آن مشخص شود. در حالی که نقطه ی شبنم دماو رطوبت نسبی از دیگر مشاهدات محاسبه می شوند،در این سیستم فرض می شود که آنها مشاهدات خاصی نسبت به مشاهدات مشتق شده می باشند.

۲) مشاهدات مشتق شده ی هواشناسی در این سیستم اولین تفاوت های یک مشاهده ی خاص بین دو مدت زمان متوالی و مشتق  مشاهدات آنها می باشد.

در این مقاله مطرح شده، که اگر دو نقطه ی گسسته همزمان مشاهدات هواشناسی خاص مشابهی داشته باشند زمانی که در مکان فیزیکی یکسانی مشاهده می شوند و آنها مشاهدات مشتق شده ی مشابهی را نمایش می دهند، مشاهدات مخصوص آینده باید برخی شباهت هایی داشته باشند.

فهرست منابع

دکتر محمد مهدوی ،هیدرولوژی کاربردی، جلد۱، انتشارات دانشگاه تهران[۱]

دکتر هوشنگ قائمی، مبانی هواشناسی،انتشارات دانشگاه شهید بهشتی[۲]

امین کوره پزان دزفولی،اصول تئوری مجموعه های فازی[۳]

ترجمه ی دکتر محمد حسین فاضل زرندی،تالیف جی.ج.کلر-یو.اس.کلیر و ب.یوآن،تئوری مجموعه های فازی[۴]

[۵] George J. Klir Bo Yuan, Fuzzy sets and Fuzzy Logic, Theory and applications , Prentice Hall PTR , 1995.

[۶] Anna Kolesárová, Monika Kováčová, Fuzzy sets and their applications STU Bratislava 2004, ISBN 8022720364

[۷] Chen, G. Q, Fuzzy Logic in Data Modeling, Semantics, Constraints, and Database Design, Kluwer Academic Publisher,1999.

[۸] [Zad65], Fuzzy Sets, Zadeh L.A., 1965

[۹] [KYu], Fuzzy Sets and Fuzzy Logic – Theory and Applications, Klin D. George, Bo Yuan

[۱۰] [MLAB], Fuzzy Logic Toolbox, The MathWorks, www.mathworks.com.

[۱۱] [Zim85], Fuzzy Sets, Decision Making and Expert Systems, Zimmermam Hans J., Kluwer Academic Press.

[۱۲] [DPR1], Readings in Fuzzy Set – Fuzzy numbers an overview, Dubois and Prade.