مقاله آشکارسازي آماري اثر گرمايش جهاني بر ناهنجاري هاي بارش سالانه جلفا با استفاده از شبکه هاي عصبي مصنوعي که چکیده‌ی آن در زیر آورده شده است، در تابستان ۱۳۸۹ در جغرافيا و برنامه ريزي محيطي (مجله پژوهشي علوم انساني دانشگاه اصفهان) از صفحه ۶۵ تا ۸۲ منتشر شده است.
نام: آشکارسازي آماري اثر گرمايش جهاني بر ناهنجاري هاي بارش سالانه جلفا با استفاده از شبکه هاي عصبي مصنوعي
این مقاله دارای ۱۸ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله شبکه هاي عصبي مصنوعي
مقاله آشکار سازي
مقاله پرسپترون چند لايه
مقاله بارش سالانه
مقاله روند بارش
مقاله جلفا

نویسنده(ها):
جناب آقای / سرکار خانم: قويدل رحيمي يوسف

چکیده و خلاصه‌ای از مقاله:
در اين تحقيق، داده هاي مربوط به ناهنجاري هاي دمايي کره زمين و بارش متوسط سالانه ايستگاه جلفا در طي دوره آماري ۱۹۶۰-۲۰۰۳ استفاده شده است. روش هاي اصلي به کار گرفته شده در اين مطالعه، عبارت از: روش تعيين ضريب همبستگي پيرسون، تحليل مولفه روند سري هاي زماني، رگرسيون خطي ساده و شبکه هاي عصبي مصنوعي. نتايج حاصل از کاربرد و تحليل همبستگي پيرسون، نشان دهنده همبستگي منفي و معکوس معني داري بين بارش سالانه جلفا و ناهنجاري هاي دمايي کره زمين است. اين، بدان معني است که غالبا با منفي شدن ناهنجاري هاي دمايي کره زمين بارش سالانه جلفا افزايش يافته، ترسالي به وقوع مي پيوندد و برعکس، با مثبت شدن ناهنجاري هاي دمايي کره زمين، متوسط بارش سالانه جلفا کاهش يافته، خشکسالي به وقوع مي پيوندد. تحليل مولفه روند بلند مدت سري هاي زماني نشان مي دهد که در طول دوره آماري از بارش متوسط سالانه جلفا کاسته مي شود، اما روند ناهنجاري  هاي دمايي کره زمين روندي افزايشي دارد. با استفاده از شبکه هاي عصبي مصنوعي، ارتباط بارش متوسط سالانه جلفا با گرمايش جهاني شبيه سازي شده است. نتايج حاصل از کاربرد روش هاي مختلف در اين مطالعه نشان مي دهد که روش شبکه عصبي مصنوعي در مقايسه با روش هاي رگرسيون خطي ساده روش شبيه سازي بهتر و دقيق تري است. روش هاي مختلف شبکه هاي عصبي مصنوعي به کار گرفته شده در اين مطالعه نشان داد که روش پرسپترون چند لايه، با چهار لايه مخفي و الگوريتم آموزش پس انتشار، داراي قابليت بسيار عالي در پيش بيني همبستگي بين سري هاست.