پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,573 |
| تعداد مقالات | 71,037 |
| تعداد مشاهده مقاله | 125,522,397 |
| تعداد دریافت فایل اصل مقاله | 98,782,031 |
A Hybrid Model Based on Seasonal Auto-Regressive Integrated Moving Average and Locally Linear Nero fuzzy Network for Forecasting Rate of Raining in Zabol | ||
| Advances in Industrial Engineering | ||
| مقاله 7، دوره 47، شماره 1، تیر 2013، صفحه 81-91 اصل مقاله (721.57 K) | ||
| نوع مقاله: Research Paper | ||
| شناسه دیجیتال (DOI): 10.22059/jieng.2013.35512 | ||
| نویسندگان | ||
| Meisam Nasrollahi* ؛ Hassan Mina؛ Seyed Farid Ghaderi؛ Reza Ghodsi | ||
| School of Industrial Engineering, College of Engineering, University of Tehran, Tehran, I.R. Iran | ||
| چکیده | ||
| Ecological changes resulting from climate conditions can severely affect human societies especially in the area of economy and safety. Climate catastrophes may cause social and economic tension. Forecasting such changes accurately can help the government to control the disasters and to achieve possible benefits (such as water supply in flood). Weather forecasting is the application of science and technology to predict the state of the atmosphere for a given location. Rate of raining is a very important factor in weather forecasting. Different forms of weather forecasting models represent different stochastic processes. Three broad classes of time series modeling in practice are the autoregressive (AR) models, the integrated (I) models, and the moving average (MA) models. These models represent the linear dependence on previous observations. Cyclic variation known as periodic fluctuation or seasonality (S) might be dealt with in time series analysis by using a sinusoidal model. A less completely regular cyclic variation might be considered by using a special form of an auto regressive integrated moving average. In this paper, a hybrid approach based on seasonal auto regressive integrated moving average (SARIMA) method and Locally Linear Model Tree (LoLiMoT) is proposed for forecasting rate of raining. A neural network based on local linear models weighted constructed by a tree algorithm is applied in this research. Training of this network is divided into a structure and a parameter optimization part. A recursive least-squares algorithm is used for training the network since the network is linear in its parameters. A two phase model is developed based on data gathered in Zabol Synoptic Station from 1939 to 2011. In the first phase, the SARIMA model is implemented to predict the raining rate. In the second step neural network based on locally linear model tree is applied to residuals to improve the prediction result. Finally, the proposed model is compared to Sin-Cos model; Result obtained confirm the efficiency of this approach as a practical tool for forecasting the rate of raining. | ||
| کلیدواژه‌ها | ||
| Forecasting raining؛ time series؛ Disaster management؛ Seasonal auto-regressive integrated moving average؛ Locally linear nero-fuzzy networks | ||
| عنوان مقاله [English] | ||
| ارائه یک رویکرد ترکیبی میانگین متحرک خودگردان فصلی و شبکه های نرو ـ فازی خطی محلی برای پیشبینی میزان بارندگی در شهر زابل | ||
| نویسندگان [English] | ||
| میثم نصرالهی؛ حسن مینا؛ سید فرید قادری؛ رضا قدسی | ||
| دانشجوی دکتری مهندسی صنایع - پردیس دانشکده‌های فنی- دانشگاه تهران | ||
| چکیده [English] | ||
| تغییرات بوم شناختی ناشی از تغییرات اقلیمی میتواند نقش بسزایی در شرایط جوامع بشری بخصوص شرایط سلامتی و وضعیت اقتصادی ایفا نماید. در برخی موارد، تغییرات ناگهانی و غیرمترقبه شرایط اقلیمی میتواند منجر به وقوع بحرانهای اجتماعی و اقتصادی گردد. بنابراین پیشبینی دقیق این تغییرات میتواند به مدیران جامعه در راستای مقابله با عوارض ناشی از این تغییرات کمک نماید. یکی از مهمترین پارامترها در این بین میزان بارش است. در این پژوهش یک رویکرد ترکیبی میانگین متحرک یک پارچه خودگردان فصلی و شبکههای نرو ـ فازی خطی محلی برای پیشبینی میزان بارش ارایه گردیده است. مدل پیشنهادی با استفاده از داده‌های میزان بارش ماهیانه که در ایستگاه هواشناسی سینپتیک زابل از سال 1939 تا 2011 جمع آوری شده است، طراحی گردیده و نتایج حاصل از آن با مدل تناوبی سینوسی ـ کسینوسی مقایسه شده است. نتایج حاصله مبین کارآیی مدل پیشنهادی به عنوان یک ابزار کاربردی برای پیشبینی میزان بارندگی است. | ||
| کلیدواژه‌ها [English] | ||
| پیش¬بینی میزان بارش, سری زمانی, مدیریت بحران, میانگین متحرک یک پارچه خودگردان فصلی, شبکههای نرو فازی خطی محلی | ||
|
آمار تعداد مشاهده مقاله: 3,010 تعداد دریافت فایل اصل مقاله: 1,726 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب