دانلود پایان نامه پیش بینی دما با روش های هوشمند | مکافایل
توضیحات محصول
دانلود پایان نامه پیش بینی دما با روش های هوشمند
110 صفحه WORD
فهرست مطالب
| عنوان | صفحه | ||
| مقدمه | 1 | ||
| فصل يکم – منطق فازی و ریاضیات فازی | |||
| 1-1- منطق فازی | 2 | ||
| 1-1-1- تاریخچه مختصری از منطق فازی | 2 | ||
| 1-1-2- آشنایی با منطق فازی | 4 | ||
| 1-1-3- سیستم های فازی | 7 | ||
| 1-1-4- نتیجه گیری | 10 | ||
| 1-2- ریاضیات فازی | 11 | ||
| 1-2-1- مجموعه های فازی | 11 | ||
| 1-2-2- مفاهیم مجموعه های فازی | 14 | ||
| 1-2-3- عملیات روی مجموعه های فازی | 14 | ||
| 1-2-4- انطباق مجموعه های فازی | 19 | ||
| 1-2-5- معیار های امکان و ضرورت | 19 | ||
| 1-2-6- روابط فازی | 21 | ||
| 1-2-6-1- رابطه ی هم ارزی فازی | 23 | ||
| 1-2-6-2- ترکیب روابط فازی | 23 | ||
| 1-2-7- منطق فازی | 24 | ||
| 1-2-7-1- عملیات منطقی و مقادیر درستی فازی | 25 | ||
| 1-2-7-2- کاربرد مقادیر درستی فازی | 27 | ||
| 1-2-8- نتیجه گیری | 27 | ||
| فصل دوم- الگوریتم ژنتیک | |||
| 2-1- چکیده | 28 | ||
| 2-2- مقدمه | 29 | ||
| 2-3- الگوریتم ژنتیک چیست؟ | 32 | ||
| 2-4- ایده اصلی الگوریتم ژنتیک | 35 | ||
| 2-5- الگوریتم ژنتیک | 37 | ||
| 2-6- سود و کد الگوریتم | 38 | ||
| 2-7- روش های نمایش | 39 | ||
| 2-8- روش های انتخاب | 40 | ||
| 2-9- روش های تغییر | 41 | ||
| 2-10- نقاط قوت الگوریتم های ژنتیک | 42 | ||
| 2-11- محدودیت های GA ها | 43 | ||
| 2-12- چند نمونه از کاربردهای الگوریتم های ژنتیک | 43 | ||
| 2-13- نسل اول | 45 | ||
| 2-14- نسل بعدی | 46 | ||
| 2-14-1- انتخاب | 47 | ||
| 2-14-2- تغییر از یک نسل به نسل بعدی(crossover) | 47 | ||
| 2-14-3- جهش (mutation) | 48 | ||
| 2-15- هایپر هیوریستیک | 48 | ||
| فصل سوم- بررسی مقالات | |||
| 3-1- یک روش رویه‌‌‌ای پیش بینی دمای هوای شبانه برای پیش بینی یخبندان | |||
| 3-1-1- چکیده | 51 | ||
| 3-1-2- مقدمه | 51 | ||
| 3-1-3- روش شناسی | 53 | ||
| 3-1-3-1- مجموعه اصطلاحات | 53 | ||
| 3-1-3-2-نگاه کلی | 53 | ||
| 3-1-3-3- یادگیری | 54 | ||
| 3-1-3-4- تولید پارامتر های ساختاری | 55 | ||
| 3-1-3-5- پیش بینی | 57 | ||
| 3-1-3-6- متناسب سازی ضعیف، متوسط و دقیق | 59 | ||
| 3-1-4- نتایج | 60 | ||
| 3-1-4-1- واقعه ی یخبندان شپارتون | 64 | ||
| 3-1-4-2- بحث | 65 | ||
| 3-1-5- نتیجه گیری | 66 | ||
| 3-2- پیش بینی دما و پیش گویی بازار بورس بر اساس روابط منطق فازی و الگوریتم ژنتیک | |||
| 3-2-1- چکیده | 67 | ||
| 3-2-2- مقدمه | 67 | ||
| 3-2-3- سری های زمانی فازی و روابط منطق فازی | 69 | ||
| 3-2-4- مفاهیم اساسی و الگوریتم های ژنتیک | 70 | ||
| 3-2-5- روش جدید پیش بینی دما و بازار بورس بر اساس روابط منطقی فازی و الگوریتم های ژنتیک | 71 | ||
| 3-2-6- نتیجه گیری | 93 | ||
| 3-3-پیش بینی روند دمای جهانی بر اساس فعالیت های خورشیدی پیشگویی شده در طول دهه های آینده | |||
| 3-3-1- چکیده | 94 | ||
| 3-3-2- مقدمه | 94 | ||
| 3-3-3- داده و روش بررسی | 96 | ||
| 3-3-4- نتایج | 99 | ||
| 3-3-5- نتیجه گیری | 100 | ||
چکيده
پيش بيني يا پيشگويي در دنياي کنوني جز لاينکف زندگي بشر محسوب مي شوند، پيش بيني دما به علت اهميت آن در صنعت بيمه، کشاورزي، خشکسالي و… اهميت فوق العاده اي در پيش بيني هاي هواشناسي دارد.
بنابراين در ابتدا در رابطه با اهميت دما و عوامل موثر بر آن مطالبي ارائه مي کنيم. طبق بررسي هاي به عمل آمده از آنجا که دو روش منطق فازي و الگوريتم ژنتيک از روشهاي مطرح شده با دقت پيش بيني بالا هستند در یک فصل به دو مبحث منطق فازي و رياضيات فازي اشاره مي شود و در فصلي ديگر توضيحي اجمالي از الگوريتم ژنتيک خواهيم داشت.
در نهايت مقالات معتبر علمي مرتبط با پيش بيني دما ارائه شده اند که حاوي انجام آزمايشات و مشاهداتي هستندکه توسط دو روش الگوريتم ژنتيک ومنطق فازي پيش بيني مي شوند.
واژه هاي کليدي
پيش بيني(forecasting )، پيشگويي دما (temperature prediction)، الگوريتم ژنتيک
(genetic algorithm)، سري هاي زماني فازي (fuzzy time series)، منطق فازي .(fuzzy logic)
مقدمه
تابش هاي مستقيم و غير مستقيم منشا اصلي انرژي حرارتي کره ي زمين است بازتاب آن ها توسط زمين موجب گرم شدن هوا مي گردد. اندازه گيري دما در محيط باز نشان دهنده ي دماي هوا ، دماي ناشي از تابش هاي اجسام مجاور و تابش هاي مستقيم خورشيد است به همين دليل دماسنج ها را در پناهگاههاي هواشناسي قرار مي دهند به طوريکه مخزن آن ها از سطح زمين در ارتفاع مشخصي در حدود 135 سانتي متري قرارداشته باشند.
به اين ترتيب دماي هواي بدست آمده در نقاط مختلف با يکديگر قابل مقايسه هستند و تحت تاثير تابش هاي مستقيم يا غير مستقيم نمي باشند. از جمله عوامل موثر در دماي يک منطقه عرض جغرافيايي، ارتفاع، جريان هاي دريايي، فاصله از دريا، باد، جهت و پوشش ابري مي باشند.
خلاصه فایل
حال با توجه به عوامل ذکر شده براي پيش بيني دما روش هاي گوناگوني به کاربرده شده است طوري که در پي ساليان متمادي تحقيق و پژوهش، روشهاي گوناگوني در زمينه پيش بيني پيشنهاد گرديدند که مي‌توان آنها را در دو گروه روش هاي کلاسيک و اکتشافي مدرن طبقه بندي کرد روشهاي کلاسيک بر پايه ي احتمالات و مدل رياضي عمل مي‌کنند ولي روش هاي اکتشافي هوشمند، از سيستم هاي مبتني بر شبکه هاي عصبي، منطق فازي، الگوريتم هاي تکاملي…
- منطق فازی
نظريه ي فازي براي اينکه موضوعات و مسائل پپچيده و بزرگ مقياس که شامل بازيابي اطلاعات مي‌باشند، قابل فهم باشد و بتوان با ظرفيت فکري اندک تصميمي معين گرفت، روشي قابل انعطاف و کلي که در قيد جزئيات کم اهميت نيست، ارائه مي‌دهد. اين روش از عهده‌ي موقعيتهاي اجتماعي و اقتصادي و محيط طبيعي که نيازمند تنوع و انعطاف است، برمي‌آيد.
به منظور ايجاد الگويي شبيه به پردازش عمومي اطلاعات هوشمندانه‌ي بشر، دانش و تجربه‌ي افراد باتجربه ومتخصصان مجرب به زبان طبيعي، وارد رايانه شده و عمليات منطقي به صورت اجمالي اجرا مي‌شوند و با استفاده از اين الگو، تحليل پيش برده مي‌شود و فعاليت‌هاي بشر يا پديده ها و اوضاع اجتماعي و بازرگاني مورد بررسي قرار مي‌گيرند. بيشتر روشهاي فازي که براي مديريت تکميل شده اند از اين روش بهره مي‌گيرند.
در اين فصل ابتدا تاريخچه اي از منطق فازي بيان مي شود و در ادامه با منطق فازي آشنا خواهيم شد. درآخرهم چگونگي کارکرد سيستم هاي فازي بررسي مي شود.
- تاريخچه ي مختصري از منطق فازي
دهه ي1960 آغاز نظريه فازي بود. نظريه‌ي فازي به وسيله پروفسور لطفي زاده در سال 1965 در مقاله اي به نام مجموعه هاي فازي معرفي شد. ايشان قبل از کار بر روي نظريه‌ي فازي، يک استاد برجسته در نظريه کنترل بود. او مفهوم “حالت” را که براساس نظريه‌ي کنترل مدرن را شکل مي‌دهد، توسعه داد. عسگرزاده در سال 1962 چيزي را بدين مضمون براي سيستمهاي بيولوژيک نوشت: “ما اساساً به نوع جديد رياضيات نيازمنديم؛ رياضيات مقادير…
-3- الگوريتم ژنتيک چيست؟
الگوريتم هاي ژنتيک از اصول انتخاب طبيعي داروين براي يافتن فرمول بهينه جهت پيش بيني يا تطبيق الگو استفاده مي‌کنند. الگوريتم هاي ژنتيک اغلب گزينه خوبي براي تکنيک هاي پيش بيني بر مبناي رگرسيون هستند.همان طور ساده،خطي وپارامتريک گفته مي‌شود، به الگوريتم‌هاي ژنتيک مي‌توان غير پارامتريک گفت.
براي مثال اگر بخواهيم نوسانات قيمت نفت را با استفاده از عوامل خارجي وارزش رگرسيون خطي ساده مدل کنيم، اين فرمول را توليد خواهيم کرد: قيمت نفت در زمان t= ضريب 1 نرخ بهره در زمان t + ضريب 2 نرخ بيکاري در زمان t + ثابت 1 . سپس از يک معيار براي پيدا کردن بهترين مجموعه ضرايب و ثابت ها جهت مدل کردن قيمت نفت استفاده خواهيم کرد. در اين روش 2 نکته اساسي وجود دارد. اول اين روش خطي است و مسئله دوم اين است که ما به جاي اينکه در ميان “فضاي پارامترها”جستجو کنيم ،پارامترهاي مورد استفاده را مشخص کرده ايم.
با استفاده از الگوريتم هاي ژنتيک ما يک ابر فرمول يا طرح تنظيم مي کنيم که چيزي شبيه”قيمت نفت در زمان t تابعي از حداکثر 4 متغير است”را بيان مي کند. سپس داده هايي براي گروهي از متغيرهاي مختلف، شايد در حدود 20 متغير فراهم خواهيم کرد. سپس الگوريتم ژنتيک اجرا خواهد شد که بهترين تابع و متغيرها را مورد جستجو قرار مي دهد. روش کار الگوريتم ژنتيک به طور فريبنده اي ساده، خيلي قابل درک وبه طور قابل ملاحظه اي روشي است که ما معتقديم حيوانات آنگونه تکامل يافته اند. هر فرمولي که از طرح داده شده بالا تبعيت کند فردي از…
-10- نقاط قوت الگوريتم هاي ژنتيک
اولين و مهمترين نقطه قوت اين الگوريتم ها اين است که الگوريتم هاي ژنتيک ذاتاً موازي اند. اکثر الگوريتم هاي ديگر موازي نيستند و فقط مي‌توانند فضاي مسئله مورد نظر را در يک جهت در يک لحظه جستجو کنند واگر راه حل پيدا شده يک جواب بهينه محلي باشد و يا زير مجموعه اي از جواب اصلي باشد بايد تمام کارهايي که تا به حال انجام شده را کنار گذاشت و دوباره از اول شروع کرد. از آنجايي که GA چندين نقطه شروع دارد، در يک لحظه مي‌تواند فضاي مسئله را از چند جهت مختلف جستجو کند.
اگر يکي به نتيجه نرسيد ساير راه ها ادامه مي‌يابند و منابع بيشتري در اختيارشان قرار مي گيرد. در نظر بگيريد: همه 8 عدد رشته باينري يک فضاي جستجو را تشکيل مي دهند،که مي تواند به صورت ******** نشان داده شود. رشته 01101010 يکي از اعضاي اين فضاست. همچنين عضوي از فضاهاي *******0و******01و0 ******0و*1*1*1*0و 0**01*01 والي آخر باشد.
به دليل موازي بودن واين که چندين رشته در يک لحظه مورد ارزيابي قرار مي گيرند GA ها براي مسائلي که فضاي راه حل بزرگي دارند بسيار مفيد است. اکثر مسائلي که اين گونه اند به عنوان “غير خطي” شناخته شده اند. در يک مسئله خطي، Fitness هر عنصر مستقل است، پس هر تغييري در يک قسمت بر تغيير و پيشرفت کل سيستم تاثير مستقيم دارد. مي‌دانيم که تعداد کمي از مسائل دنياي واقعي به صورت خطي اند. در مسائل غير خطي تغيير در يک قسمت ممکن است تاثيري ناهماهنگ بر کل سيستم ويا تغيير در چند عنصر تاثير فراواني بر سيستم بگذارد. خوشبختانه…