پایان نامه پیش بینی دما با استفاده از روش های هوشمند
مقدمه
تابش های مستقیم و غیر مستقیم منشا اصلی انرژی حرارتی کره ی زمین است بازتاب آن ها توسط زمین موجب گرم شدن هوا می گردد. اندازه گیری دما در محیط باز نشان دهنده ی دمای هوا ، دمای ناشی از تابش های اجسام مجاور و تابش های مستقیم خورشید است به همین دلیل دماسنج ها را در پناهگاههای هواشناسی قرار می دهند به طوریکه مخزن آن ها از سطح زمین در ارتفاع مشخصی در حدود 135 سانتی متری قرارداشته باشند. به این ترتیب دمای هوای بدست آمده در نقاط مختلف با یکدیگر قابل مقایسه هستند و تحت تاثیر تابش های مستقیم یا غیر مستقیم نمی باشند. از جمله عوامل موثر در دمای یک منطقه عرض جغرافیایی، ارتفاع، جریان های دریایی، فاصله از دریا، باد، جهت و پوشش ابری می باشند.
| عنوان | صفحه | ||
| مقدمه | 1 |
| |
| فصل یکم - منطق فازی و ریاضیات فازی |
|
| |
| 1-1- منطق فازی | 2 |
| |
1-1-1- تاریخچه مختصری از منطق فازی | 2 |
| |
1-1-2- آشنایی با منطق فازی | 4 |
| |
1-1-3- سیستم های فازی | 7 |
| |
| 1-1-4- نتیجه گیری | 10 |
| |
| 1-2- ریاضیات فازی | 11 |
| |
| 1-2-1- مجموعه های فازی | 11 |
| |
| 1-2-2- مفاهیم مجموعه های فازی | 14 |
| |
| 1-2-3- عملیات روی مجموعه های فازی | 14 |
| |
| 1-2-4- انطباق مجموعه های فازی | 19 |
| |
| 1-2-5- معیار های امکان و ضرورت | 19 |
| |
| 1-2-6- روابط فازی | 21 |
| |
| 1-2-6-1- رابطه ی هم ارزی فازی | 23 |
| |
| 1-2-6-2- ترکیب روابط فازی | 23 |
| |
| 1-2-7- منطق فازی | 24 |
| |
| 1-2-7-1- عملیات منطقی و مقادیر درستی فازی | 25 |
| |
| 1-2-7-2- کاربرد مقادیر درستی فازی | 27 |
| |
1-2-8- نتیجه گیری | 27 |
| |
فصل دوم- الگوریتم ژنتیک |
|
| |
2-1- چکیده | 28 |
| |
| 2-2- مقدمه | 29 |
| |
| 2-3- الگوریتم ژنتیک چیست؟ | 32 |
| |
| 2-4- ایده اصلی الگوریتم ژنتیک | 35 |
| |
| 2-5- الگوریتم ژنتیک | 37 |
| |
| 2-6- سود و کد الگوریتم | 38 |
| |
| 2-7- روش های نمایش | 39 |
| |
| 2-8- روش های انتخاب | 40 |
| |
| 2-9- روش های تغییر | 41 |
| |
| 2-10- نقاط قوت الگوریتم های ژنتیک | 42 |
| |
| 2-11- محدودیت های GA ها | 43 |
| |
| 2-12- چند نمونه از کاربردهای الگوریتم های ژنتیک | 43 |
| |
| 2-13- نسل اول | 45 |
| |
| 2-14- نسل بعدی | 46 |
| |
| 2-14-1- انتخاب | 47 |
| |
| 2-14-2- تغییر از یک نسل به نسل بعدی(crossover) | 47 |
| |
| 2-14-3- جهش (mutation) | 48 |
| |
| 2-15- هایپر هیوریستیک | 48 |
| |
| فصل سوم- بررسی مقالات |
|
| |
| 3-1- یک روش رویه‌‌‌ای پیش بینی دمای هوای شبانه برای پیش بینی یخبندان |
|
| |
| 3-1-1- چکیده | 51 |
| |
| 3-1-2- مقدمه | 51 |
| |
| 3-1-3- روش شناسی | 53 |
| |
| 3-1-3-1- مجموعه اصطلاحات | 53 |
| |
| 3-1-3-2-نگاه کلی | 53 |
| |
| 3-1-3-3- یادگیری | 54 |
| |
| 3-1-3-4- تولید پارامتر های ساختاری | 55 |
| |
| 3-1-3-5- پیش بینی | 57 |
| |
| 3-1-3-6- متناسب سازی ضعیف، متوسط و دقیق | 59 |
| |
| 3-1-4- نتایج | 60 |
| |
| 3-1-4-1- واقعه ی یخبندان شپارتون | 64 |
| |
| 3-1-4-2- بحث | 65 |
| |
| 3-1-5- نتیجه گیری | 66 |
| |
| 3-2- پیش بینی دما و پیش گویی بازار بورس بر اساس روابط منطق فازی و الگوریتم ژنتیک |
|
| |
| 3-2-1- چکیده | 67 |
| |
| 3-2-2- مقدمه | 67 |
| |
| 3-2-3- سری های زمانی فازی و روابط منطق فازی | 69 |
| |
| 3-2-4- مفاهیم اساسی و الگوریتم های ژنتیک | 70 |
| |
| 3-2-5- روش جدید پیش بینی دما و بازار بورس بر اساس روابط منطقی فازی و الگوریتم های ژنتیک | 71 |
| |
| 3-2-6- نتیجه گیری | 93 |
| |
| 3-3-پیش بینی روند دمای جهانی بر اساس فعالیت های خورشیدی پیشگویی شده در طول دهه های آینده |
|
| |
| 3-3-1- چکیده | 94 |
| |
| 3-3-2- مقدمه | 94 |
| |
| 3-3-3- داده و روش بررسی | 96 |
| |
| 3-3-4- نتایج | 99 |
| |
| 3-3-5- نتیجه گیری | 100 |
| |
|
|
|
| |
|
|
|
| |
|
|
|
| |
|
|
|
| |
| |
|
| |