تحقیق بررسی روش های شبکه عصبی برای پیش بینی وضعیت آب و هوا

توضیحات

تحقیق بررسی روش های شبکه عصبی برای پیش بینی وضعیت آب و هوا

امروزه با پیشرفت علم و تکنولوژی در صنایع گوناگون حجم داده­ها روز به روز افزایش می­یابد، به طوری که توانایی­های ما در تحلیل این داده­ها با چالش جدی روبرو شده است. همین مساله موجب شده است تا نیاز به رویکردهای نوین در این زمینه از جمله امور مهمی مانند پیش­بینی آب­و­هوا و پیش­بینی بارش باران، به منظور تولید، جمع­آوری و تحلیل داده­ها بیش از پیش احساس شود. شبکه­ی عصبی در واقع ابزاری است برای تحلیل داده­ها که شامل رویکردهای جدید است. ابزاری که بالقوه به منظور آشکارسازی اطلاعات نهان در داده­ها بسیار مفید است. به دلیل کاربردی بودن مسائل مربوط به وضعیت آب­و­هوا در این تحقیق یک ارزیابی بر روی مسائل مربوط به پیش­بینی وضعیت آب­و­هوا و شرایط جوی مرتبط با آن خواهیم داشت.

هدف این تحقیق، بررسی و مطالعه کارهای انجام شده در راستای پیش­بینی وضعیت آب­وهوا با استفاده از روش­های شبکه­ی عصبی می­باشد.

  از آن جایی که آب­و­هوا تاثیر شگرفی بر روی حیات­اجتماعی و فردی انسان­ها دارد، لذا مراکز علمی زیادی در سطح جهان، تحقیق بر روی مسائل مختلف آب­و­هوایی را شروع کرده­اند. پیش­بینی اقلیمی وضع هوا(بررسی و پیش­بینی چگونگی تغییرات روزانه وضعیت جو در لایه پایین) از مهمترین کارهایی است که در این مراکز انجام می­گیرد. پیش­بینی اقلیمی وضع هوا، بر اساس مقادیر کنونی و پیش­بینی شده پارامترهای جوی صورت می­پذیرد. نقش دماهای حداکثر در افزایش تبخیر و تعرق، کاهش آب­های سطحی و زیرزمینی، گسترش انواع بیماری­ها، آتش­سوزی جنگل­ها، فرآیند ذوب یخچال­ها و بروز خشکسالی و کم­آبی در مناطقی دیگر بر کسی پوشیده نیست.

 توجه به اهمیت و اثراتی که آب و هوا در زندگی و نحوه فعالیت جوامع بشری دارد، انسان­ها از زمان­های خیلی دور بدان توجه داشته اند، بنابراین بر حسب تجارب، پیشینیان نسبت به ثبت پدیده­های جوی به سبکِ زمان خود اقدام نموده­اند، که با توجه به اقلیم هر منطقه، اقوام پدیده­های مهمتر را مد نظر قرارداده­اند، این نوع فعالیت­ها در حقیقت پایه گذار دانش هواشناسی در میان نسل بشر بوده است. در این میان با پیشرفت علم و فن­آوری و بکارگیری نیروهای متخصص هواشناسی به جایگاه واقعی خود نزدیک می­شود و با ارائه پیش بینی­ها و پیش آگاهی­ها نقش واقعی خود را به معرض ظهور می­رساند.  در همین مدت کوتاه علم داده­کاوی چنان گسترش یافته که کاربردهای آن در زمینه­های گوناگونی همچون بخش­های خدماتی، صنعتی، اقتصادی و غیره را پوشش داده است. هرساله رخدادهای در هم گسیخته آب و هوایی ویرانگری رخ می­دهد که حمل و نقل و در نتیجه از دست دادن زندگی و دارایی مردم را سبب می­شود. با این وجود تحقیقات اندکی در زمینه وضعیت آب و هوایی مناطق گزارش شده است.

  با توجه به اهمیت و استفاده روز افزون از تکنیک­های داده­کاوی باید به دنبالِ کاربردهای مهم این حیطه باشیم. یکی از کاربردهای مهم داده­کاوی در پیش­بینی وضعیت آب­و­هوا است. که به دلیل اهمیت این مسائل، در این تحقیق، به ارزیابی پیش­بینی وضعیت آب و هوا با استفاده از شبکه­ی­عصبی به عنوان یکی از تکنیک­های داده­کاوی خواهیم پرداخت.

…

فهرست مطالب تحقیق بررسی روش های شبکه عصبی برای پیش بینی وضعیت آب و هوا

•    1 -1.مقدمه
•    1-2.بیان مساله
•    1-3.ضرورت تحقیق
•    1-4.روش کار تجزیه تحلیل داده‌ها برای پیش‌بینی آب و­ هوا
•    1-4-1.درجه حرارت
•    1-4-2.سرعت باد
•    1-5.روش کار پژوهش
•   1-6.مراحل انجام پژوهش
• 1-7. ساختار تحقیق

2. فصل دوم: ادبیات پایه تحقیق

• 2-1.مقدمه
• 2-2.مفاهیم پایه تحقیق
• 2 -2-1. پیش‌بینی آب و­ هوا
• 2-2-2. داده­کاوی
• 2-2-3. شبکه عصبی
• 2-2-4. منطق فازی

3. فصل سوم: پیشینه تحقیق

• 3-1. مقدمه
• 3-2.مرور اِجمالی بر کارهای مرتبط
• 3-3. جمع­بندی پژوهش
• 3-4. نتیجه­گیری تحقیق
• منابع فارسی
• منابع لاتین

منابع تحقیق بررسی روش های شبکه عصبی برای پیش بینی وضعیت آب و هوا

1. سید جعفر ولی­زاده، قدرت سپیدنام،” پیش­بینی آب­و­هوا با استفاده از ترکیب الگوریتم­های درخت تصمیم­گیری و شبکه­های عصبی”، دومین کنفرانس ملی پژوهش­های نوین در مهندسی برق و کامپیوتر، شهریور سال 1396.

2. مهدی توپچی، سیده اعظم ابوالقاسم­پور، مسعود پاکباز،” محاسبه معیارهای ارزیابی در برآورد و مقایسه عملکرد برای پیش­بینی آب­و­هوا با استفاده از مدل­های Anfis , Amira”، کنفرانس بین­المللی پژوهش­های کاربردی در فناوری اطلاعات، کامپیوتر و مخابرات، آبان 1394.

3. برومند صلاحی، سید اسعد حسینی، حسین شایقی، بهروز سبحانی،”پیش­بینی دماهای حداکثر با استفاده از مدل شبکه عصبی مصنوعی یک مطالعه موردی”، کنفرانس بین­المللی فناوری اطلاعات، اسفندماه 1394.

[4] Meera Narvekar, Priyanca Fargose,”  Daily Weather Forecasting using Artificial Neural Network”,  International Journal of Computer Applications (0975 – 8887) Volume 121 – No.22, July 2015, IEEE, 2015.

[5] Benjamin Klein, Lior Wolf and Yehuda Afek,” A Dynamic Convolutional Layer for Short RangeWeather Prediction”, IEEE, 2015.

 [6]  Mohamed Akram Zaytar, Chaker El Amrani,” Sequence to Sequence Weather Forecasting with Long Short-Term Memory Recurrent Neural Networks”, IEEE, 2016.

[7]  Yadong Zhou, Ximi Wang, Junjie Zhang, Peng Zhang, Lili Liu, Huan Jin, and Hongbo Jin Analyzing and Detecting Money-Laundering Accounts in Online Social Networks”, IEEE Network, Accepted for publication, IEEE, 2016.

[8]  Kumar Abhishek, M.P.Singh, Saswata Ghosh, Abhishek Anand,” Weather forecasting model using Artificial Neural Network”, Procedia Technology 4 ( 2012 ) 311 – 318, Elsevier, 2012.

[9]  Abinet Tesfaye Eseye, Jianhua Zhang, Dehua Zheng, Hui Ma, Gan Jingfu,” Short-term Wind Power Forecasting Using a Double-stage Hierarchical Hybrid GAANN Approach”, IEEE, 2017.

[10]  papia Ray, Debani parsad mishra, Rajesh kumar lenka,”Short Term Load Forecasting by Artifical Neural Network”,IEEE, 2016.

[11]   Alexander Kumpf, Bianca Tost, Marlene Baumgart, Michael Riemer, R¨udiger Westermann, and Marc Rautenhaus,” Visualizing Confidence in Cluster-based Ensemble Weather Forecast Analyses “, IEEE TRANSACTIONS ON VISUALIZATION AND COMPUTER GRAPHICS, VOL. 24, NO. 1, JANUARY 2018, IEEE, 2018.

[12]  Turner M. Bumbary,” Utilizing a Network of Wireless Weather Stations to Forecast Weather in Developing Countries”,IEEE, 2017.

[13]  Gaurav Chavan, Dr. Bashirahamad Momin,” An Integrated approach for Weather Forecasting over Internet of T hings: A Brief Review”,IEEE, 2017.

[14]  Miroslav Kadlec, Barbora Bühnová, Jan Tomšík, Jan Herman and Kateřina Družbíková,” Weather forecast based scheduling for demand response optimization in smart grids”,  Smart Cities Symposium Prague, IEEE, 2017.

[15]  Y. F. Du, L. Jiang, Member, IEEE, C. Duan, Y. Z. Li, and J. S. Smith,” Energy Consumption Scheduling of HVAC Considering Weather Forecast Error through the

Distributionally Robust Approach”,IEEE, 2016.

[16] Jos´e R. Andrade and Ricardo J. Bessa,” Improving Renewable Energy Forecasting with a Grid of Numerical Weather Predictions”, IEEE TRANSACTIONS ON SUSTAINABLE ENERGY, IEEE, 2016.

[17] Pablo Rozas Larraondo, I~naki Inza, Jose A. Lozano,” A system for airport weather forecasting based on circular regression trees”, Environmental Modelling & Software 100 (2018) 24e32, ELSEVIER, 2018.

[18] Kaitlin Togliatti, Sotirios V. Archontoulis⁎, Ranae Dietzel, Laila Puntel, Andy VanLoocke,” How does inclusion of weather forecasting impact in-season crop model predictions?”, Field Crops Research 214 (2017) 261–272, ELSEVIER, 2017.

[19] Akinobu Murata, Hideaki Ohtake, Takashi Oozeki,” Modeling of uncertainty of solar irradiance forecasts on numerical weather predictions with the estimation of multiple confidence intervals”, Renewable Energy 117 (2018) 193e201, ELSEVIER, 2018.

[20] Beda Luitel, Gabriele Villarini, Gabriel A. Vecchi,” Verification of the skill of numerical weather prediction models in forecasting rainfall from U.S. landfalling tropical cyclones”, Journal of Hydrology xxx (2016) xxx–xxx, ELSEVIER, 2016.

[21]  Maria Elena Innocenti a , Alec Johnson a , Stefano Markidis b , Jorge Amaya a , Jan Deca c , Vyacheslav Olshevsky a , Giovanni Lapenta,”   Progress towards physics-based space weather forecasting with exascale computing”, Advances in Engineering Software 0 0 0 (2016) 1–15, ELSEVIER, 2016.

[22] Carlos Amaral H¨olbig, Vanessa Lago Machado, Willingthon Pavan,”Statistical Correction of the Result of Weather Forecast by Applying the Model Output Calibration”, Electronic Notes in Theoretical Computer Science 324 (2016) 79–90, ELSEVIER, 2016.

[22] Emily Craparo, Mumtaz Karatas, Dashi I. Singham,” A robust optimization approach to hybrid microgrid operation using ensemble weather forecasts”, Applied Energy 201 (2017) 135–147, ELSEVIER, 2017.

[23] Anitha Gera, D.K. Mahapatra, Kuldeep Sharma, Satya Prakash, A.K. Mitra, G.R.

Iyengar, E.N. Rajagopal, Anil Kumar,” Assessment of Marine Weather forecasts 1 over the Indian Sector of Southern OceanAccepted Manuscript, ELSEVIER, 2017.

[24] Maria Malvoni, Maria Grazia De Giorgi, Paolo Maria Congedo,” Forecasting of PV Power Generation using weather input data-preprocessing techniques, ELSEVIER, 2017.

[25] Jong un Kim, Doos m Song, ak eun Jeon,” A middleware platform for the validation and utilization ofshort-term weather forecast data for office building”, Energy and Buildings 149 (2017) 192–203 , ELSEVIER, 2017.

[26] DJ Stensrud, HE Brooks, and SJ Weiss,” Severe Weather Forecasting”, Encyclopedia of Atmospheric Sciences 2nd Edition, Volume 6, ELSEVIER, 2017.

[27] Chang-Bok Rim, Kum-Chol Om, Guoyu Ren, Su-Song Kima, Hyok-Chol Kim,

Kang-Chol O,” Establishment of a wildfire forecasting system based on coupled weather–Wildfire modeling”, ELSEVIER, 2018.

 [28] Hideaki Ohtake, Joao Gari da Silva Fonseca Jr., Takumi Takashima, Takashi Oozeki, Yoshinori Yamada, “Estimation of confidence intervals of global horizontal irradiance obtained from a weather prediction model”, Energy Procedia Vol. 59 (2014) 278e284.

[29] Doris S_aez, Fernanda _Avila, Daniel Olivares, Claudio Ca~nizares, Luis Marín,

“Fuzzy prediction interval models for forecasting renewable resources and loads in microgrids”, IEEE Trans. Smart Grid 6 (2015) 548e556.

[30] Joao Gari da Silva Fonseca Jr., Takashi Ooseki, Hideaki Ohtake, Takumi Takashima, Kazuhiko Ogimoto, “On the use of maximum likelihood and input data similarity to obtain prediction intervals for forecasts of photovoltaic power generation”, J. Electr. Eng. Technol. (10) (2015).

توجه:

تحقیق بررسی روش های شبکه عصبی برای پیش بینی وضعیت آب و هوا شامل یک فایل ورد 35 صفحه ای می باشد.

لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.

سفارش تحقیق

به منظور سفارش تحقیق مرتبط با رشته تخصصی خود بر روی کلید زیر کلیک نمایید.

سفارش تحقیق