پیش بینی میانگین دمای بیشینه ماهانه با استفاده از مدل خاکستری بهبودیافته (مطالعه موردی: ایستگاه هواشناسی فرودگاه شهر قزوین)

پیام:
نوع مقاله:
مطالعه موردی (ترویجی)
چکیده:

چکیده تئوری سیستم خاکستری در مواردی به کار گرفته می شود که اطلاعات کافی از جامعه مورد مطالعه در دست نیست. مدل پیش بینی خاکستری برای رشته ای از اطلاعات با تنوع معین و ثابت مناسب است. مدل خاکستری می تواند با اعمال یکسری محاسبات اضافی سبب بهبود عملکرد پیش بینی در مواردی شود که اطلاعات چندانی از سیستم مورد مطالعه در دست نیست. با استفاده از مدل خاکستری بهبودیافته مقدار خطای برآورد به میزان مورد توجه ای کاهش می یابد. در این مطالعه از داده های میانگین دمای بیشینه ماه های فروردین تا شهریور سال های 1380 تا 1391 ایستگاه هواشناسی فرودگاه قزوین برای پیش بینی میانگین دمای بیشینه برای شش ماهه اول سال 1392 استفاده شد. نتایج این تحقیق حاکی ازآن است که استفاده مدل خاکستری بهبود یافته به روش کاهنده و متابولیسم می تواند سبب افزایش دقت پیش بینی میانگین دمای بیشینه ماهانه شود. پیش بینی های انجام شده برای ماه های فروردین (9/20 در مقابل 3/21 درجه سلسیوس) و خرداد (6/30 در مقابل 9/30 درجه سلسیوس) از دقت مطلوبی برخوردار بودند در حالی که پیش بینی های مرداد و شهریور از اعتماد پایین تری برخوردار بودند. واژگان کلیدی: پیش بینی ، مدل خاکستری، متابولیسم، هواشناسی.

زبان:
فارسی
صفحات:
1 تا 8
لینک کوتاه:
magiran.com/p2056093 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!