مقایسه عملکرد مدل های سری زمانی SARIMA و Holt-Winters با روشه ای هوش مصنوعی در پیش بینی طوفان های گردوغبار (مطالعه موردی: استان سیستان و بلوچستان)
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقایسه عملکرد مدل های سری زمانی SARIMA و Holt-Winters با روشه ای هوش مصنوعی در پیش بینی طوفان های گردوغبار (مطالعه موردی: استان سیستان و بلوچستان) دارای ۲۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقایسه عملکرد مدل های سری زمانی SARIMA و Holt-Winters با روشه ای هوش مصنوعی در پیش بینی طوفان های گردوغبار (مطالعه موردی: استان سیستان و بلوچستان) 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 عملکرد مدل های سری زمانی SARIMA و Holt-Winters با روشه ای هوش مصنوعی در پیش بینی طوفان های گردوغبار (مطالعه موردی: استان سیستان و بلوچستان)،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقایسه عملکرد مدل های سری زمانی SARIMA و Holt-Winters با روشه ای هوش مصنوعی در پیش بینی طوفان های گردوغبار (مطالعه موردی: استان سیستان و بلوچستان) :
تعداد صفحات : ۲۸
هدف از این پژوهش مقایسه عملکرد مدلهای سری زمانی SARIMA و Holt-Winters با روشهای هوش مصنوعی شامل شبکه عصبی مبتنی بر توابع پایه شعاعی (RBF) و سیستم استنباط عصبی- فازی تطبیقی (ANFIS) بهمنظور پیشبینی فراوانی روزهای همراه با طوفان گردوغبار (FDSD) در فصل آتی است. بدین منظور، از دادههای ساعتی گردوغبار و کدهای سازمان جهانی هواشناسی در پنج ایستگاه سینوپتیک استان سیستان و بلوچستان با طول دوره آماری ۲۵ساله (۱۹۹۰-۲۰۱۴) استفاده شد. نتایج نشان داد روش ANFIS، نسبت به سایر روشها، بهترین عملکرد را داشت و معیارهای ارزیابی R، RMSE، MAE، و NS آن بهترتیب از ۷۲/۰، ۵۷/۰، ۴۲/۰، و ۷۱/۰ تا ۹۵/۰، ۵۱/۰، ۴۰/۰، و ۹۶/۰ متغیر بود. همچنین، با افزایش شاخص متوسط FDSD در ایستگاهها (از ۰۶/۱ تا ۱۱/۷)، دقت پیشبینی همه روشها افزایش داشت. بر همین اساس، در سری زمانی SARIMA، ضریب همبستگی بین مقادیر مشاهداتی و پیشبینیشده شاخص FDSD از ۶۴/۰ به ۷۹/۰ افزایش یافت. برای روشهای Holt-Winters، RBF، و ANFIS مقدار نیز ضریب همبستگی بهترتیب از ۷۰/۰ تا ۸۷/۰، ۶۹/۰ تا ۹۲/۰، و ۷۲/۰ تا ۹۵/۰ متغیر بود. درمجموع، با مقایسه روشهای مورد استفاده، روش هوش مصنوعی ANFIS بهترین و مدلهای سری زمانی SARIMA و Holt-Winters بدترین عملکرد را داشتند.
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.