مقدمه تابش هاي مستقيم و غير مستقيم منشا اصلي انرژي حرارتي کره ي زمين است بازتاب آن ها توسط زمين موجب گرم شدن هوا مي گردد. اندازه گيري دما در محيط باز نشان دهنده ي دماي هوا ، دماي ناشي از تابش هاي اجسام مجاور و تابش هاي مستقيم خورشيد است به همين دليل دماسنج ها را در پناهگاههاي هواشناسي قرار مي دهند به طوريکه مخزن آن ها از سطح زمين در ارتفاع مشخصي در حدود 135 سانتي متري قرارداشته باشند. به اين ترتيب دماي هواي بدست آمده در نقاط مختلف با يکديگر قابل مقايسه هستند و تحت تاثير تابش هاي مستقيم يا غير مستقيم نمي باشند. از جمله عوامل موثر در دماي يک منطقه عرض جغرافيايي، ارتفاع، جريان هاي دريايي، فاصله از دريا، باد، جهت و پوشش ابري مي باشند.حال با توجه به عوامل ذکر شده براي پيش بيني دما روش هاي گوناگوني به کاربرده شده است طوري که در پي ساليان متمادي تحقيق و پژوهش، روشهاي گوناگوني در زمينه پيش بيني پيشنهاد گرديدند که مي‌توان آنها را در دو گروه روش هاي کلاسيک و اکتشافي مدرن طبقه بندي کرد روشهاي کلاسيک بر پايه ي احتمالات و مدل رياضي عمل مي‌کنند ولي روش هاي اکتشافي هوشمند، از سيستم هاي مبتني بر شبکه هاي عصبي، منطق فازي، الگوريتم هاي تکاملي و ترکيبي از روشهاي هوش مصنوعي تشکيل شده است. مزيت اصلي روش هاي اکتشافي مدرن در اين است که به طراح در دستيابي به سيستمي ديناميک و غير خطي کمک مي کنند، و همچون متد هاي کلاسيک نيازي به پيشنهاد يک الگو ندارند و هيچ فرضي درباره ماهيت توزيع داده هاي مشاهده شده در آنها به چشم نمي خورد. حتي در مواقعي که با مشکل داده هاي مفقود شده مواجه مي شويم، بر خلاف روش هاي کلاسيک، در متد هاي اکتشافي مدرن مي توان اين نقيصه را تا حدودي برطرف نمود. اما شايد مهمترين برتري اکتشافي مدرن در اين باشد که عناصر ذهني و انساني را در طراحي راه حل مسئله کنار مي گذارد، امري که در روش هاي کلاسيک يکي از ارکان اصلي در پياده سازي سيستم محسوب مي‌گردد. در حالي که روش هاي اکتشافي مدرن بدون داشتن هيچ فرضي از مسئله، با کمک داده هاي مشاهده شده و ساختار هاي هوشمند نظير شبکه هاي عصبي، و يا بر اساس دانش انسان خبره در سيستم هاي مبتني بر منطق فازي سعي در مدل کردن مسئله در يک بلاک بسته دارند. تعداد صفحات 110 word فهرست مطالبمقدمه 1فصل يکم- منطق فازی و ریاضیات فازی 1-1- منطق فازی 21-1-1- تاریخچه مختصری از منطق فازی 21-1-2- آشنایی با منطق فازی 41-1-3- سیستم های فازی 71-1-4- نتیجه گیری 101-2- ریاضیات فازی 111-2-1- مجموعه های فازی 111-2-2- مفاهیم مجموعه های فازی 141-2-3- عملیات روی مجموعه های فازی 141-2-4- انطباق مجموعه های فازی 191-2-5- معیار های امکان و ضرورت 191-2-6- روابط فازی 211-2-6-1- رابطه ی هم ارزی فازی 231-2-6-2- ترکیب روابط فازی 231-2-7- منطق فازی 241-2-7-1- عملیات منطقی و مقادیر درستی فازی 251-2-7-2- کاربرد مقادیر درستی فازی 271-2-8- نتیجه گیری 27فصل دوم- الگوریتم ژنتیک 2-1- چکیده 282-2- مقدمه 292-3- الگوریتم ژنتیک چیست؟ 322-4- ایده اصلی الگوریتم ژنتیک 352-5- الگوریتم ژنتیک 372-6- سود و کد الگوریتم 382-7- روش های نمایش 392-8- روش های انتخاب 402-9- روش های تغییر 412-10- نقاط قوت الگوریتم های ژنتیک 422-11- محدودیت های GA ها 432-12- چند نمونه از کاربردهای الگوریتم های ژنتیک 432-13- نسل اول 452-14- نسل بعدی 462-14-1- انتخاب 472-14-2- تغییر از یک نسل به نسل بعدی(crossover) 472-14-3- جهش (mutation) 482-15- هایپر هیوریستیک 48فصل سوم- بررسی مقالات 3-1- یک روش رویه‌‌‌ای پیش بینی دمای هوای شبانه برای پیش بینی یخبندان 3-1-1- چکیده 513-1-2- مقدمه 513-1-3- روش شناسی 533-1-3-1- مجموعه اصطلاحات 533-1-3-2-نگاه کلی 533-1-3-3- یادگیری 543-1-3-4- تولید پارامتر های ساختاری 553-1-3-5- پیش بینی 573-1-3-6- متناسب سازی ضعیف، متوسط و دقیق 593-1-4- نتایج 603-1-4-1- واقعه ی یخبندان شپارتون 643-1-4-2- بحث 653-1-5- نتیجه گیری 663-2- پیش بینی دما و پیش گویی بازار بورس بر اساس روابط منطق فازی و الگوریتم ژنتیک 3-2-1- چکیده 673-2-2- مقدمه 673-2-3- سری های زمانی فازی و روابط منطق فازی 693-2-4- مفاهیم اساسی و الگوریتم های ژنتیک 703-2-5- روش جدید پیش بینی دما و بازار بورس بر اساس روابط منطقی فازی و الگوریتم های ژنتیک 713-2-6- نتیجه گیری 933-3-پیش بینی روند دمای جهانی بر اساس فعالیت های خورشیدی پیشگویی شده در طول دهه های آینده 3-3-1- چکیده 943-3-2- مقدمه 943-3-3- داده و روش بررسی 963-3-4- نتایج 993-3-5- نتیجه گیری 100منابعفهرست شکلهاشکل 1-1-1- طرز کار سیستم فازی 7شکل 1-2-1- نمودار توابع فازی s، ذوزنقهای و گاما 13شکل 1-2-2- مثال هایی از اجتماع، اشتراک و متمم دو تابع عضویت 16شکل 1-2-3- برخی از عملگر های پیشنهاد شده برای اشتراک 17شکل1-2-4- برخی از عملگر های پیشنهاد شده برای اجتماع 18شکل 1-2-5- انطباق دو مجموعه فازی 19شکل 1-2-6- نمایش معیار های امکان و ضرورت 20شکل 1-2-7- مقادیر درستی فازی 25شکل 2-1- منحنی 32شکل 2-2- تاثیر الگوریتم ژنتیک بر کروموزوم های 8 بیتی 41شکل3-1-1-تفاوت های تولید شده ی بین مشاهدات مرجع و مشاهداتی که زودتر در صف می آیند 54شکل 3-1-2- مشاهدات هواشناسی به صف شده 55شکل 3-1-3- دیاگرام درختی 58شکل 3-1-4- توابع گاوس برای متناسب سازی ضعیف، متوسط و دقیق دمای هوا 59شکل 3-1-5- هیستوگرام خطا های پیش بینی 61شکل3-1-6- خطای میانه ماهیانه 61شکل 3-1-7-خطای درصدی میانه ماهیانه 62شکل 3-1-8-تراکم پیش بینی 63شکل 3-1-9- ترسیم توزیعی دمای هوای مشاهده شده در مقابل 1 ساعت پیش بینی دمای هوا 64شکل3-1-10- واقعه ی شپارتون، مشاهده و پیش بینی دماهای هوا 65شکل 3-2-1- یک کروموزوم 74شکل 3-2-2- توابع عضویت متناظر رن هایx کروموزوم های نشان داده شده در شکل3-2-1 76شکل 3-2-3- توابع عضویت متناظر ژن هایy کروموزوم های نشان داده شده در شکل3-2-1 77شکل 3-2-4- عملیاتcrossover دو کروموزوم 82شکل3-2-5- عملیات جهش یک کروموزوم 84شکل 3-2-6- بهترین کروموزوم برای پیش بینی میانگین دمای روزانه در ژوئن 1996 84شکل 3-2-7- میانگین خطای پیش بینی روشهای پیشنهادی بر اساس سری های زمانی فازی مرتبه سوم 86شکل 3-2-8- خطای مربع حسابی بر اساس سری های زمانی فازی مرتبه هفتم 91شکل 3-3-1-پیکر بندی شبکه های عصبی منطقی فازی 96شکل 3-3-2- مقادیر مشاهده و پیش بینی شده ی ولف نو 98شکل 3-3-3- مقادیر مشاهده و پیش بینی شده ی دمای غیر عادی جهان 98فهرست جدولهاجدول1-2-1- برخی از مفاهیم پایه ی مجموعه های فازی 14جدول3-1-1- تاریخ اولین پیش بینی و خطای پیش بینی مربوطه 63جدول3-2-1- داده های پیشین میانگین دمای روزانه از 1 ام ژوئن 1996 تا 30 ام سپتامبر در تایوان 72جدول3-2-2- داده های قدیمی تراکم ابر های روزانه از 1 ام ژوئن 1996 تا 30 ام سپتامبر در تایوان 74جدول3-2-3- جمعیت ابتدایی 78جدول3-2-4- میانگین دمای روزانه ی فازی شده و تراکم ابرهای روزانه فازی شده از 1 ام ژوئن تا30ام سپتامبر در تایوان بر اساس نخستین کروموزوم 79جدول3-2-5- دو فاکتور مرتبه سوم روابط گروهی منطق فازی 80جدول3-2-6- دمای پیش بینی شده و میانگین خطای پیش بینی بر اساس سریهای زمانی فازی مرتبه سوم 85جدول3-2-7- درصد میانگین خطای پیش بینی برای مراتب مختلف بر اساس روشهای پیشنهادی 86جدول3-2-8- درصد میانگین خطاهای پیش بینی برای پنجره های متفاوت بر اساس روشهای پیشنهادی 87جدول3-2-9- داده های قدیمیTAIFEXو TAIEX 89جدول3-2-10- خطای مربع حسابی برای مراتب مختلف روش پیشنهادی 89جدول3-2-11- مقایسه مقادیر پیشبینیTAIFEXوخطاهای مربع حسابی برای روشهای مختلف پیش بینی 90