سورنا فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

سورنا فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

پایان نامه پایش و پهنه بندی خشکسالی با استفاده از منطق فازی و سیستم های اطلاعات جغرافیایی

اختصاصی از سورنا فایل پایان نامه پایش و پهنه بندی خشکسالی با استفاده از منطق فازی و سیستم های اطلاعات جغرافیایی دانلود با لینک مستقیم و پر سرعت .

پایان نامه پایش و پهنه بندی خشکسالی با استفاده از منطق فازی و سیستم های اطلاعات جغرافیایی


پایان نامه پایش و پهنه بندی خشکسالی با استفاده از منطق فازی و سیستم های اطلاعات جغرافیایی

دوره خشک ((Droughtیک پدیده طبیعی است که به کندی آغاز، به آرامی گسترش و به شدت بر همه جوانب فعالیتهای بشری تاثیر می گذارد، لذا شناخت کامل و همه جانبه و پایش دقیق آن می تواند ابزار مناسبی را برای مقابله با آن و کاهش اثرات زیانبارش بدست دهد. بر همین اساس این تحقیق، تدوین مدل جامعی جهت ارزیابی و تحلیل دوره های خشک شامل زیر مدلهای تکمیل، تطویل و بازسازی داده ها و اطلاعات هواشناسی، پایش دوره های خشک و پهنه بندی این دوره ها را هدف قرار داده است. در ارائه مدل از روش های محاسباتی و تحلیلی منطق فازی برای پایش اطلاعات نادقیق و نامطمئن و از سیستم های اطلاعات جغرافیایی (GIS ) جهت تحلیل های مکانی اطلاعات مربوط به درجه، شدت، تداوم و توزیع مکانی دوره ها و شناسایی بهتر و جامعتر آنها استفاده شده است.

با توجه به نیاز حداقل مدل پایش به داده های هواشناسی ۳۰ ساله در ابتدا از تکنیک فازی بر مبنای تغییر طول و عرض جغرافیایی، ارتفاع و حوزه ایستگاهها برای تطویل و بازسازی اطلاعات و داده ها استفاده شد. این تکنیک با استفاده از ۴۸ ایستگاه در کل استان خراسان آزمون گردید و نتایج حاصل از آن با روشهای موجود دیگر مقایسه گردید. نتایج حاصل حداقل خطا را برای تکنیک فازی بدست داد، بطوریکه متوسط خطای مطلق و ضریب همبستگی مقادیر تخمین زده شده و به ترتیب ۷/۰۵ میلیمتر و ۹۲/۶ درصد برای تکنیک فازی، ۱۱/۳۵میلیمتر و ۸۷/۳ درصد برای روش رگرسیون (بعنوان بهترین روش بین روشهای موجود) بود. همچنین تاثیر تغییر مرز توابع عضویت فازی، استفاده از عملگرهای مختلف فازی در مدل، تغییر حوزه و تعداد ایستگاهها بر نتایج مورد بررسی قرار گرفت که نهایتا استفاده از ۴ ایستگاه و در نظر گرفتن ضریب حوزه بهترین نتایج را بدست داد، در صورتیکه تغییر مرز توابع عضویت فازی و تغییر عملگرهای فازی تاثیر چندانی بر نتایج خروجی نداشت.

برای پایش دوره های خشک در ابتدا دو شاخص بارندگی استاندارد شده(SPI) و شاخص شدت دوره های خشک پالمر (PDSI) مد نظر قرار گرفت. استفاده از این دو شاخص و بررسی نتایج حاصل از آنها و مزایا و معایب مترتب بر آنها نشان دادند که در صورت اصلاح شاخصSPI و اضافه نمودن پارامتر درجه حرارت آن، این شاخص می تواند بعنوان شاخص مناسبی برای پایش دوره های خشک مطرح شود.بر این اساس یک مدل پایش فازی بر اساس شاخص جدیدی به نام شاخص تبخیر و تعرق و بارندگی استاندارد شده (SEPI)ارائه شد.در این مدل دو تابع عضویت فازی اشخاصSPI  و   SEIشاخص تبخیر و تعرق استاندارد شده که عینا مشابه شاخص SPIبوده و تنها بجای داده بارندگی از داده تبخیر و تعرق استفاده شده است) که عملا نشان دهنده تاثیر کمبود بارندگی و افزایش درجه حرارت بر وقوع دوره های خشک بودند، بعنوان ورودیها و تابع عضویت فازی SEPI بعنوان خروجی مدل استفاده شدند. ایت توابع عضویت از نوع توابع مثلثی و ذوزنقه ای با همپوشانی جزئی بوده که نهایتا ۸۱قانون با حداقل ۲و حداکثر ۴قانون فعال در هر مرحله را باعث شدند. طبقات شدت دوره های خشک و مرطوب ارائه شده در شاخص جدید بر اساس منطق فازی بوده که در تقابل با منطق بولین کارآرائی این مدل را افزایش داد. نتایج حاصل از مدل نشان داد که شاخص جدید کلیه مزایای شاخص SPIاز جمله امکان محاسبه در مقیاس های زمانی متفاوت را دارد بعلاوه تاثیر پارامتر درجه حرارت بر وقوع دوره های خشک نیز در آن لحاظ شده که این مسئله توانایی روند یابی این دوره ها را درشرایط و کاربردهای مختلف از جمله کاربردهای هواشناسی،کشاورزی، هیدرولوژیکی و اقتصادی- اجتماعی به شاخص جدید داده است هر چند که با توجه به تازگی شاخص هنوز نیاز به بررسی این شاخص در دیگر مناطق وجود دارد. مقایسه SEPI با SPI همبستگی بیش از ۹۰ درصدی برای کلیه مقیاس های زمانی و با PDSIهمبستگی بیش از ۸۰ درصدی در مقیاس های زمانی میانی و حدودا ۴۲ درصد در مقیاس های زمانی پایین و ۶۲ درصد در مقیاس های زمانی بالا را نشان داد. پایش دوره های خشک ایستگاه سینوپتیک مشهد برای دوره آماری ۲۰۰۱تا ۱۹۷۰میلادی با شاخص جدید،۶۵، ۴۸، ۲۷، ۱۷، ۱۵ و ۱۴ دوره خشک را به ترتیب برای مقیاس های زمانی ۱، ۳، ۶، ۹، ۱۲ و ۲۴ ماهه بدست داد که از این بین طولانی ترین دوره خشک با ۴۵ ماه تداوم در مقیاس زمانی ۱۲ ماهه در ماه می سال ۱۹۹۴ شروع و در ماه ژانویه سال ۱۹۹۸ خاتمه یافت.

در ادامه نیز پهنه بندی دوره های خشک بر اساس شاخص جدید با استفاده از روش کرجینگ به دو طریق مستقیم و غیر مستقیم انجام شد. در روش مستقیم، برای تولید نقشه های پهنه بندی شدت دوره های خشک از مقادیر نقطه ای شاخص SEPI و در روش غیر مستقیم از نقشه های پهنه بندی شده دو شاخص SPI  و SEI که به عنوان ورودهای مدل فازی بودند، استفاده شد. بررسی ها نشان داد که روش غیر مستقیم با توجه امکان محاسبه SPI در ایستگاههای بیشتر ، نتایج دقیقتری را بدست می دهد. بطوریکه متوسط خطای مطلق و ضریب همبستگی به ترتیب برای روش مستقیم ۷۵/۰ و ۵۵/۰ و برای روش غیر مستقیم ۲۲/۰ و ۸۰/۰ محاسبه شد. بهترین نتایج در روش غیرمستقیم برای مقیاس زمانی ۲۴ ماهه با متوسط خطای مطلق ۱۸/۰ و ضریب همبستگی ۸۵/۰ بدست آمد.


دانلود با لینک مستقیم


پایان نامه پایش و پهنه بندی خشکسالی با استفاده از منطق فازی و سیستم های اطلاعات جغرافیایی

منطق فازی

اختصاصی از سورنا فایل منطق فازی دانلود با لینک مستقیم و پر سرعت .

منطق فازی و کاربرد آن در پزشکی


دانلود با لینک مستقیم


منطق فازی

آموزش و حل گام به گام مساله ANP فازی

اختصاصی از سورنا فایل آموزش و حل گام به گام مساله ANP فازی دانلود با لینک مستقیم و پر سرعت .

آموزش و حل گام به گام مساله ANP فازی


آموزش و حل گام به گام مساله ANP فازی

فرایند تحلیل شبکه ای یکی از تکنیک های تصمیم گیری چند معیاره است . و در مجموعه مدل های جبرانی قرار می گیرد. این مدل بر مبنای فرایند تحلیل سلسله مراتبی (AHP) طراحی شده است و " شبکه " را جایگزین " سلسله مراتب کرده است".

از جمله مفروضات فرایند تحلیل سلسله مراتبی این است که بخش ها و شاخه های بالاتر سلسله مراتب ، مستقل از بخش ها و سطوح پائین تر می باشند. در صورتی که در بسیاری از تصمیم گیری ها نمی توان عناصر تصمیم را به صورت سلسله مراتبی و مستقل از یکدیگر مدل سازی کرد. از این رو برای حل چنین موضوعی، عناصر مختلف را به یکدیگر وابسته می سازند و ساعتی پیشنهاد می کند که از فرایند تحلیل شبکه(ANP) استفاده شود(ساعتی[i]، 2005).

در این فایل یک مثال ساده برای  حل یک مساله ارزیابی و انتخاب توسط روش فرآیند تحلیل شبکه ای فازی تشریح شده است. این مساله مربوط به انتخاب بهترین سیستم برنامه ریزی منابع است. داده ها در نرم افزار اکسل بررسی شده اند.
  1. 1. Saaty

 


دانلود با لینک مستقیم


آموزش و حل گام به گام مساله ANP فازی

کاربرد شبکه عصبی در حل معادلات دیفرانسیل فازی

اختصاصی از سورنا فایل کاربرد شبکه عصبی در حل معادلات دیفرانسیل فازی دانلود با لینک مستقیم و پر سرعت .

کاربرد شبکه عصبی در حل معادلات دیفرانسیل فازی


کاربرد شبکه عصبی در حل معادلات دیفرانسیل فازی

 

کاربرد شبکه عصبی در حل معادلات دیفرانسیل فازی تالیف پرستو محمدی

صفحه ارا:فاطمه اهتمام

جلد:سعید قوی

 


دانلود با لینک مستقیم


کاربرد شبکه عصبی در حل معادلات دیفرانسیل فازی