عنوان پایان نامه: پیش بینی دما با استفاده از روش های هوشمندفرمت فایل: wordتعداد صفحات: 123شرح مختصر:پيش بيني يا پيشگويي در دنياي کنوني جز لاينکف زندگي بشر محسوب مي شوند، پيش بيني دما به علت اهميت آن در صنعت بيمه، کشاورزي، خشکسالي و... اهميت فوق العاده اي در پيش بيني هاي هواشناسي دارد.بنابراين در ابتدا در رابطه با اهميت دما و عوامل موثر بر آن مطالبي ارائه مي کنيم. طبق بررسي هاي به عمل آمده از آنجا که دو روش منطق فازي و الگوريتم ژنتيک از روشهاي مطرح شده با دقت پيش بيني بالا هستند در یک فصل به دو مبحث منطق فازي و رياضيات فازي اشاره مي شود و در فصلي ديگر توضيحي اجمالي از الگوريتم ژنتيک خواهيم داشت.در نهايت مقالات معتبر علمي مرتبط با پيش بيني دما ارائه شده اند که حاوي انجام آزمايشات و مشاهداتي هستندکه توسط دو روش الگوريتم ژنتيک ومنطق فازي پيش بيني مي شوند. واژه هاي کليدي:پيش بيني(forecasting )، پيشگويي دما (temperature prediction)، الگوريتم ژنتيک(genetic algorithm)، سري هاي زماني فازي (fuzzy time series)، منطق فازي .(fuzzy logic)فهرست مطالبعنوانصفحهمقدمه1فصل يکم - منطق فازی و ریاضیات فازی1-1- منطق فازی22471-1-4- نتیجه گیری101-2- ریاضیات فازی111-2-1- مجموعه های فازی111-2-2- مفاهیم مجموعه های فازی141-2-3- عملیات روی مجموعه های فازی141-2-4- انطباق مجموعه های فازی191-2-5- معیار های امکان و ضرورت191-2-6- روابط فازی211-2-6-1- رابطه ی هم ارزی فازی231-2-6-2- ترکیب روابط فازی231-2-7- منطق فازی241-2-7-1- عملیات منطقی و مقادیر درستی فازی251-2-7-2- کاربرد مقادیر درستی فازی2727282-2- مقدمه292-3- الگوریتم ژنتیک چیست؟322-4- ایده اصلی الگوریتم ژنتیک352-5- الگوریتم ژنتیک372-6- سود و کد الگوریتم382-7- روش های نمایش392-8- روش های انتخاب402-9- روش های تغییر412-10- نقاط قوت الگوریتم های ژنتیک422-11- محدودیت های GAها432-12- چند نمونه از کاربردهای الگوریتم های ژنتیک432-13- نسل اول452-14- نسل بعدی462-14-1- انتخاب472-14-2- تغییر از یک نسل به نسل بعدی(crossover)472-14-3- جهش (mutation)482-15- هایپر هیوریستیک48فصل سوم- بررسی مقالات3-1- یک روش رویهای پیش بینی دمای هوای شبانه برای پیش بینی یخبندان3-1-1- چکیده513-1-2- مقدمه513-1-3- روش شناسی533-1-3-1- مجموعه اصطلاحات533-1-3-2-نگاه کلی533-1-3-3- یادگیری543-1-3-4- تولید پارامتر های ساختاری553-1-3-5- پیش بینی573-1-3-6- متناسب سازی ضعیف، متوسط و دقیق593-1-4- نتایج603-1-4-1- واقعه ی یخبندان شپارتون643-1-4-2- بحث653-1-5- نتیجه گیری663-2- پیش بینی دما و پیش گویی بازار بورس بر اساس روابط منطق فازی و الگوریتم ژنتیک3-2-1- چکیده673-2-2- مقدمه673-2-3- سری های زمانی فازی و روابط منطق فازی693-2-4- مفاهیم اساسی و الگوریتم های ژنتیک703-2-5- روش جدید پیش بینی دما و بازار بورس بر اساس روابط منطقی فازی و الگوریتم های ژنتیک713-2-6- نتیجه گیری933-3-پیش بینی روند دمای جهانی بر اساس فعالیت های خورشیدی پیشگویی شده در طول دهه های آینده3-3-1- چکیده943-3-2- مقدمه943-3-3- داده و روش بررسی963-3-4- نتایج993-3-5- نتیجه گیری100عنوانصفحهجدول1-2-1- برخی از مفاهیم پایه ی مجموعه های فازی14جدول3-1-1- تاریخ اولین پیش بینی و خطای پیش بینی مربوطه63جدول3-2-1- داده های پیشین میانگین دمای روزانه از 1 ام ژوئن 1996 تا 30 ام سپتامبر در تایوان72جدول3-2-2- داده های قدیمی تراکم ابر های روزانه از 1 ام ژوئن 1996 تا 30 ام سپتامبر در تایوان74جدول3-2-3- جمعیت ابتدایی78جدول3-2-4- میانگین دمای روزانه ی فازی شده و تراکم ابرهای روزانه فازی شده از 1 ام ژوئن تا30ام سپتامبر در تایوان بر اساس نخستین کروموزوم79جدول3-2-5- دو فاکتور مرتبه سوم روابط گروهی منطق فازی80جدول3-2-6- دمای پیش بینی شده و میانگین خطای پیش بینی بر اساس سریهای زمانی فازی مرتبه سوم85جدول3-2-7- درصد میانگین خطای پیش بینی برای مراتب مختلف بر اساس روشهای پیشنهادی86جدول3-2-8- درصد میانگین خطاهای پیش بینی برای پنجره های متفاوت بر اساس روشهای پیشنهادی87جدول3-2-9- داده های قدیمیTAIFEXو TAIEX89جدول3-2-10- خطای مربع حسابی برای مراتب مختلف روش پیشنهادی89جدول3-2-11- مقایسه مقادیر پیشبینیTAIFEXوخطاهای مربع حسابی برای روشهای مختلف پیش بینی90عنوانصفحهشکل 1-1-1- طرز کار سیستم فازی7شکل 1-2-1- نمودار توابع فازیs، ذوزنقهای و گاما13شکل 1-2-2- مثال هایی از اجتماع، اشتراک و متمم دو تابع عضویت16شکل 1-2-3- برخی از عملگر های پیشنهاد شده برای اشتراک17شکل1-2-4- برخی از عملگر های پیشنهاد شده برای اجتماع18شکل 1-2-5- انطباق دو مجموعه فازی19شکل 1-2-6- نمایش معیار های امکان و ضرورت20شکل 1-2-7- مقادیر درستی فازی25شکل 2-1- منحنی32شکل 2-2- تاثیر الگوریتم ژنتیک بر کروموزوم های 8 بیتی41شکل3-1-1-تفاوت های تولید شده ی بین مشاهدات مرجع و مشاهداتی که زودتر در صف می آیند54شکل 3-1-2- مشاهدات هواشناسی به صف شده55شکل 3-1-3- دیاگرام درختی58شکل 3-1-4- توابع گاوس برای متناسب سازی ضعیف، متوسط و دقیق دمای هوا59شکل 3-1-5- هیستوگرام خطا های پیش بینی61شکل3-1-6- خطای میانه ماهیانه61شکل 3-1-7-خطای درصدی میانه ماهیانه62شکل 3-1-8-تراکم پیش بینی63شکل 3-1-9- ترسیم توزیعی دمای هوای مشاهده شده در مقابل 1 ساعت پیش بینی دمای هوا64شکل3-1-10- واقعه ی شپارتون، مشاهده و پیش بینی دماهای هوا65شکل 3-2-1- یک کروموزوم74شکل 3-2-2- توابع عضویت متناظر رن هایx کروموزوم های نشان داده شده در شکل3-2-176شکل 3-2-3- توابع عضویت متناظر ژن هایy کروموزوم های نشان داده شده در شکل3-2-177شکل 3-2-4- عملیاتcrossover دو کروموزوم82شکل3-2-5- عملیات جهش یک کروموزوم84شکل 3-2-6- بهترین کروموزوم برای پیش بینی میانگین دمای روزانه در ژوئن 199684شکل 3-2-7- میانگین خطای پیش بینی روشهای پیشنهادی بر اساس سری های زمانی فازی مرتبه سوم86شکل 3-2-8- خطای مربع حسابی بر اساس سری های زمانی فازی مرتبه هفتم91شکل 3-3-1-پیکر بندی شبکه های عصبی منطقی فازی96شکل 3-3-2- مقادیر مشاهده و پیش بینی شده ی ولف نو98شکل 3-3-3- مقادیر مشاهده و پیش بینی شده ی دمای غیر عادی جهان98
پیش بینی دما با استفاده از روش های هوشمند
عنوان پایان نامه: پیش بینی دما با استفاده از روش های هوشمندفرمت فایل: wordتعداد صفحات: 123شرح مختصر:پيش بيني يا پيشگويي در دنياي کنوني جز لاينکف زندگي بشر محسوب مي شوند، پيش بيني دما به علت اهميت آن در صنعت بيمه، کشاورزي، خشکسالي و... اهميت فوق العاده اي در پيش بيني هاي هواشناسي دارد.بنابراين در ابتدا در رابطه با اهميت دما و عوامل موثر بر آن مطالبي ارائه مي کنيم. طبق بررسي هاي به عمل آمده از آنجا که دو روش منطق فازي و الگوريتم ژنتيک از روشهاي مطرح شده با دقت پيش بيني بالا هستند در یک فصل به دو مبحث منطق فازي و رياضيات فازي اشاره مي شود و در فصلي ديگر توضيحي اجمالي از الگوريتم ژنتيک خواهيم داشت.در نهايت مقالات معتبر علمي مرتبط با پيش بيني دما ارائه شده اند که حاوي انجام آزمايشات و مشاهداتي هستندکه توسط دو روش الگوريتم ژنتيک ومنطق فازي پيش بيني مي شوند. واژه هاي کليدي:پيش بيني(forecasting )، پيشگويي دما (temperature prediction)، الگوريتم ژنتيک(genetic algorithm)، سري هاي زماني فازي (fuzzy time series)، منطق فازي .(fuzzy logic)فهرست مطالبعنوانصفحهمقدمه1فصل يکم - منطق فازی و ریاضیات فازی1-1- منطق فازی22471-1-4- نتیجه گیری101-2- ریاضیات فازی111-2-1- مجموعه های فازی111-2-2- مفاهیم مجموعه های فازی141-2-3- عملیات روی مجموعه های فازی141-2-4- انطباق مجموعه های فازی191-2-5- معیار های امکان و ضرورت191-2-6- روابط فازی211-2-6-1- رابطه ی هم ارزی فازی231-2-6-2- ترکیب روابط فازی231-2-7- منطق فازی241-2-7-1- عملیات منطقی و مقادیر درستی فازی251-2-7-2- کاربرد مقادیر درستی فازی2727282-2- مقدمه292-3- الگوریتم ژنتیک چیست؟322-4- ایده اصلی الگوریتم ژنتیک352-5- الگوریتم ژنتیک372-6- سود و کد الگوریتم382-7- روش های نمایش392-8- روش های انتخاب402-9- روش های تغییر412-10- نقاط قوت الگوریتم های ژنتیک422-11- محدودیت های GAها432-12- چند نمونه از کاربردهای الگوریتم های ژنتیک432-13- نسل اول452-14- نسل بعدی462-14-1- انتخاب472-14-2- تغییر از یک نسل به نسل بعدی(crossover)472-14-3- جهش (mutation)482-15- هایپر هیوریستیک48فصل سوم- بررسی مقالات3-1- یک روش رویهای پیش بینی دمای هوای شبانه برای پیش بینی یخبندان3-1-1- چکیده513-1-2- مقدمه513-1-3- روش شناسی533-1-3-1- مجموعه اصطلاحات533-1-3-2-نگاه کلی533-1-3-3- یادگیری543-1-3-4- تولید پارامتر های ساختاری553-1-3-5- پیش بینی573-1-3-6- متناسب سازی ضعیف، متوسط و دقیق593-1-4- نتایج603-1-4-1- واقعه ی یخبندان شپارتون643-1-4-2- بحث653-1-5- نتیجه گیری663-2- پیش بینی دما و پیش گویی بازار بورس بر اساس روابط منطق فازی و الگوریتم ژنتیک3-2-1- چکیده673-2-2- مقدمه673-2-3- سری های زمانی فازی و روابط منطق فازی693-2-4- مفاهیم اساسی و الگوریتم های ژنتیک703-2-5- روش جدید پیش بینی دما و بازار بورس بر اساس روابط منطقی فازی و الگوریتم های ژنتیک713-2-6- نتیجه گیری933-3-پیش بینی روند دمای جهانی بر اساس فعالیت های خورشیدی پیشگویی شده در طول دهه های آینده3-3-1- چکیده943-3-2- مقدمه943-3-3- داده و روش بررسی963-3-4- نتایج993-3-5- نتیجه گیری100عنوانصفحهجدول1-2-1- برخی از مفاهیم پایه ی مجموعه های فازی14جدول3-1-1- تاریخ اولین پیش بینی و خطای پیش بینی مربوطه63جدول3-2-1- داده های پیشین میانگین دمای روزانه از 1 ام ژوئن 1996 تا 30 ام سپتامبر در تایوان72جدول3-2-2- داده های قدیمی تراکم ابر های روزانه از 1 ام ژوئن 1996 تا 30 ام سپتامبر در تایوان74جدول3-2-3- جمعیت ابتدایی78جدول3-2-4- میانگین دمای روزانه ی فازی شده و تراکم ابرهای روزانه فازی شده از 1 ام ژوئن تا30ام سپتامبر در تایوان بر اساس نخستین کروموزوم79جدول3-2-5- دو فاکتور مرتبه سوم روابط گروهی منطق فازی80جدول3-2-6- دمای پیش بینی شده و میانگین خطای پیش بینی بر اساس سریهای زمانی فازی مرتبه سوم85جدول3-2-7- درصد میانگین خطای پیش بینی برای مراتب مختلف بر اساس روشهای پیشنهادی86جدول3-2-8- درصد میانگین خطاهای پیش بینی برای پنجره های متفاوت بر اساس روشهای پیشنهادی87جدول3-2-9- داده های قدیمیTAIFEXو TAIEX89جدول3-2-10- خطای مربع حسابی برای مراتب مختلف روش پیشنهادی89جدول3-2-11- مقایسه مقادیر پیشبینیTAIFEXوخطاهای مربع حسابی برای روشهای مختلف پیش بینی90عنوانصفحهشکل 1-1-1- طرز کار سیستم فازی7شکل 1-2-1- نمودار توابع فازیs، ذوزنقهای و گاما13شکل 1-2-2- مثال هایی از اجتماع، اشتراک و متمم دو تابع عضویت16شکل 1-2-3- برخی از عملگر های پیشنهاد شده برای اشتراک17شکل1-2-4- برخی از عملگر های پیشنهاد شده برای اجتماع18شکل 1-2-5- انطباق دو مجموعه فازی19شکل 1-2-6- نمایش معیار های امکان و ضرورت20شکل 1-2-7- مقادیر درستی فازی25شکل 2-1- منحنی32شکل 2-2- تاثیر الگوریتم ژنتیک بر کروموزوم های 8 بیتی41شکل3-1-1-تفاوت های تولید شده ی بین مشاهدات مرجع و مشاهداتی که زودتر در صف می آیند54شکل 3-1-2- مشاهدات هواشناسی به صف شده55شکل 3-1-3- دیاگرام درختی58شکل 3-1-4- توابع گاوس برای متناسب سازی ضعیف، متوسط و دقیق دمای هوا59شکل 3-1-5- هیستوگرام خطا های پیش بینی61شکل3-1-6- خطای میانه ماهیانه61شکل 3-1-7-خطای درصدی میانه ماهیانه62شکل 3-1-8-تراکم پیش بینی63شکل 3-1-9- ترسیم توزیعی دمای هوای مشاهده شده در مقابل 1 ساعت پیش بینی دمای هوا64شکل3-1-10- واقعه ی شپارتون، مشاهده و پیش بینی دماهای هوا65شکل 3-2-1- یک کروموزوم74شکل 3-2-2- توابع عضویت متناظر رن هایx کروموزوم های نشان داده شده در شکل3-2-176شکل 3-2-3- توابع عضویت متناظر ژن هایy کروموزوم های نشان داده شده در شکل3-2-177شکل 3-2-4- عملیاتcrossover دو کروموزوم82شکل3-2-5- عملیات جهش یک کروموزوم84شکل 3-2-6- بهترین کروموزوم برای پیش بینی میانگین دمای روزانه در ژوئن 199684شکل 3-2-7- میانگین خطای پیش بینی روشهای پیشنهادی بر اساس سری های زمانی فازی مرتبه سوم86شکل 3-2-8- خطای مربع حسابی بر اساس سری های زمانی فازی مرتبه هفتم91شکل 3-3-1-پیکر بندی شبکه های عصبی منطقی فازی96شکل 3-3-2- مقادیر مشاهده و پیش بینی شده ی ولف نو98شکل 3-3-3- مقادیر مشاهده و پیش بینی شده ی دمای غیر عادی جهان98