پایان نامه پیش بینی دما با استفاده از روش های هوشمند
197,000 تومانفـرمت: DOC
تعداد صفحات: ۱۱۰ صفحه
رشتــه : کامپیوتر- سخت افزار
بصورت کامل ، مرتب ، قابل ویرایش و آماده چاپ میباشد.
توضیحات:
چکیده
پیش بینی یا پیشگویی در دنیای کنونی جز لاینکف زندگی بشر محسوب می شوند، پیش بینی دما به علت اهمیت آن در صنعت بیمه، کشاورزی، خشکسالی و… اهمیت فوق العاده ای در پیش بینی های هواشناسی دارد.
بنابراین در ابتدا در رابطه با اهمیت دما و عوامل موثر بر آن مطالبی ارائه می کنیم. طبق بررسی های به عمل آمده از آنجا که دو روش منطق فازی و الگوریتم ژنتیک از روشهای مطرح شده با دقت پیش بینی بالا هستند در یک فصل به دو مبحث منطق فازی و ریاضیات فازی اشاره می شود و در فصلی دیگر توضیحی اجمالی از الگوریتم ژنتیک خواهیم داشت.
در نهایت مقالات معتبر علمی مرتبط با پیش بینی دما ارائه شده اند که حاوی انجام آزمایشات و مشاهداتی هستندکه توسط دو روش الگوریتم ژنتیک ومنطق فازی پیش بینی می شوند.
واژه های کلیدی:
پیش بینی(forecasting )، پیشگویی دما (temperature prediction)، الگوریتم ژنتیک
(genetic algorithm)، سری های زمانی فازی (fuzzy time series)، منطق فازی .(fuzzy logic)
فهرست مطالب
عنوان | صفحه | ||
مقدمه | ۱ | ||
فصل یکم – منطق فازی و ریاضیات فازی | |||
۱-۱- منطق فازی | ۲ | ||
۱-۱-۱- تاریخچه مختصری از منطق فازی |
۲ | ||
۱-۱-۲- آشنایی با منطق فازی |
۴ | ||
۱-۱-۳- سیستم های فازی |
۷ | ||
۱-۱-۴- نتیجه گیری | ۱۰ | ||
۱-۲- ریاضیات فازی | ۱۱ | ||
۱-۲-۱- مجموعه های فازی | ۱۱ | ||
۱-۲-۲- مفاهیم مجموعه های فازی | ۱۴ | ||
۱-۲-۳- عملیات روی مجموعه های فازی | ۱۴ | ||
۱-۲-۴- انطباق مجموعه های فازی | ۱۹ | ||
۱-۲-۵- معیار های امکان و ضرورت | ۱۹ | ||
۱-۲-۶- روابط فازی | ۲۱ | ||
۱-۲-۶-۱- رابطه ی هم ارزی فازی | ۲۳ | ||
۱-۲-۶-۲- ترکیب روابط فازی | ۲۳ | ||
۱-۲-۷- منطق فازی | ۲۴ | ||
۱-۲-۷-۱- عملیات منطقی و مقادیر درستی فازی | ۲۵ | ||
۱-۲-۷-۲- کاربرد مقادیر درستی فازی | ۲۷ | ||
۱-۲-۸- نتیجه گیری |
۲۷ | ||
فصل دوم- الگوریتم ژنتیک |
|||
۲-۱- چکیده |
۲۸ | ||
۲-۲- مقدمه | ۲۹ | ||
۲-۳- الگوریتم ژنتیک چیست؟ | ۳۲ | ||
۲-۴- ایده اصلی الگوریتم ژنتیک | ۳۵ | ||
۲-۵- الگوریتم ژنتیک | ۳۷ | ||
۲-۶- سود و کد الگوریتم | ۳۸ | ||
۲-۷- روش های نمایش | ۳۹ | ||
۲-۸- روش های انتخاب | ۴۰ | ||
۲-۹- روش های تغییر | ۴۱ | ||
۲-۱۰- نقاط قوت الگوریتم های ژنتیک | ۴۲ | ||
۲-۱۱- محدودیت های GA ها | ۴۳ | ||
۲-۱۲- چند نمونه از کاربردهای الگوریتم های ژنتیک | ۴۳ | ||
۲-۱۳- نسل اول | ۴۵ | ||
۲-۱۴- نسل بعدی | ۴۶ | ||
۲-۱۴-۱- انتخاب | ۴۷ | ||
۲-۱۴-۲- تغییر از یک نسل به نسل بعدی(crossover) | ۴۷ | ||
۲-۱۴-۳- جهش (mutation) | ۴۸ | ||
۲-۱۵- هایپر هیوریستیک | ۴۸ | ||
فصل سوم- بررسی مقالات | |||
۳-۱- یک روش رویهای پیش بینی دمای هوای شبانه برای پیش بینی یخبندان | |||
۳-۱-۱- چکیده | ۵۱ | ||
۳-۱-۲- مقدمه | ۵۱ | ||
۳-۱-۳- روش شناسی | ۵۳ | ||
۳-۱-۳-۱- مجموعه اصطلاحات | ۵۳ | ||
۳-۱-۳-۲-نگاه کلی | ۵۳ | ||
۳-۱-۳-۳- یادگیری | ۵۴ | ||
۳-۱-۳-۴- تولید پارامتر های ساختاری | ۵۵ | ||
۳-۱-۳-۵- پیش بینی | ۵۷ | ||
۳-۱-۳-۶- متناسب سازی ضعیف، متوسط و دقیق | ۵۹ | ||
۳-۱-۴- نتایج | ۶۰ | ||
۳-۱-۴-۱- واقعه ی یخبندان شپارتون | ۶۴ | ||
۳-۱-۴-۲- بحث | ۶۵ | ||
۳-۱-۵- نتیجه گیری | ۶۶ | ||
۳-۲- پیش بینی دما و پیش گویی بازار بورس بر اساس روابط منطق فازی و الگوریتم ژنتیک | |||
۳-۲-۱- چکیده | ۶۷ | ||
۳-۲-۲- مقدمه | ۶۷ | ||
۳-۲-۳- سری های زمانی فازی و روابط منطق فازی | ۶۹ | ||
۳-۲-۴- مفاهیم اساسی و الگوریتم های ژنتیک | ۷۰ | ||
۳-۲-۵- روش جدید پیش بینی دما و بازار بورس بر اساس روابط منطقی فازی و الگوریتم های ژنتیک | ۷۱ | ||
۳-۲-۶- نتیجه گیری | ۹۳ | ||
۳-۳-پیش بینی روند دمای جهانی بر اساس فعالیت های خورشیدی پیشگویی شده در طول دهه های آینده | |||
۳-۳-۱- چکیده | ۹۴ | ||
۳-۳-۲- مقدمه | ۹۴ | ||
۳-۳-۳- داده و روش بررسی | ۹۶ | ||
۳-۳-۴- نتایج | ۹۹ | ||
۳-۳-۵- نتیجه گیری | ۱۰۰ | ||
» بعد از درج ايميل بر روي گزينه "خريد آنلاين محصول" كليك كنيد تا به صفحه پرداخت آنلاين منتقل شويد .
» درج شماره تلفن همراه در مواقع لزوم فرآیند پیگیری خرید را ساده تر می کند .