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.