مدلسازی تبخیر ماهانه با استفاده از روشهای منفرد و هیبریدی-موجک دادهکاوی در حوضههای آبریز ایران با تنوع اقلیمی

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

 مدلسازی تبخیر ماهانه با استفاده از روشهای منفرد و هیبریدی-موجک دادهکاوی در حوضههای آبریز ایران با تنوع اقلیمی دارای ۲۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مدلسازی تبخیر ماهانه با استفاده از روشهای منفرد و هیبریدی-موجک دادهکاوی در حوضههای آبریز ایران با تنوع اقلیمی  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 مدلسازی تبخیر ماهانه با استفاده از روشهای منفرد و هیبریدی-موجک دادهکاوی در حوضههای آبریز ایران با تنوع اقلیمی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مدلسازی تبخیر ماهانه با استفاده از روشهای منفرد و هیبریدی-موجک دادهکاوی در حوضههای آبریز ایران با تنوع اقلیمی :

سال انتشار : ۱۴۰۱

تعداد صفحات : ۲۶

تبخیر به عنوان یکی از پارامترهای طبیعی، همواره مورد توجه محققین بوده است. در این پژوهش، متغیر تبخیر ماهانه با استفاده از روشهای شبکه عصبی مصنوعی، سامانه استنتاجی فازی-عصبی تطبیقی و برنامهریزی بیان ژن و ترکیب روشهای مذکور با تئوری موجک، در دو اقلیم متفاوت ایران مدلسازی شد. بدین منظور، دادههای هواشناسی بارش، رطوبت نسبی، دمای میانگین، دمای بیشینه، دمای کمینه و سرعت باد، در طول دوره آماری ۱۳۹۷-۱۳۸۴ مربوط به دو حوضه آبریز دریاچه ارومیه و گاوخونی به کار گرفته شد. در این مطالعه، اثر فصلی و نویززدایی دادهها اعمال شد. دقت روشهای مورد مطالعه بر اساس شاخصهای آماری ضریب همبستگی (R)، ریشه میانگین مربعات خطا (RMSE)، میانگین خطای مطلق (MAE) و ضریب کارایی نش-ساتکلیف (NSE) مورد بررسی قرار گرفت. نتایج حاکی از این است که در دو اقلیم مختلف روشهای هیبرید موجک برنامهریزی بیان ژن و شبکه عصبی مصنوعی منفرد به ترتیب دارای بالاترین و ضعیفترین عملکرد در میان سایر مدلهای داده کاوی به کار رفته در این تحقیق هستند. مدل هیبریدی موجک-برنامهریزی بیان ژن با مقدار RMSE  برابر با ۸۷۰/۲۰ و ۸۸۴/۱۵۶ میلیمتر به ترتیب برای ایستگاههای تازهکند در حوضه آبریز دریاچه ارومیه و کوهپایه در حوضه آبریز گاوخونی عملکرد بالاتری را داشته است. همچنین، نتایج نشان داد که تاثیر به کارگیری ضریب فصلی و نویززدایی دادهها در ارتقاء عملکرد مدلها قابل توجه است. بر اساس نتایج، عملکرد مدلها در حوضه آبریز دریاچه ارومیه با اقلیم Dsa بهتر بوده است. همچنین، روشهای دادهکاوی هیبریدی را میتوان به عنوان جایگزین مناسبی برای روشهای قدیمی معرفی نمود.