• بازدید : 37 views
  • بدون نظر

این فایل قابل ویرایش می باشد ودر موارد زیر تهیه شده:

پيش بيني دقيق دماهاي هواي شبانه براي پيش بيني يخبندان مي تواند به گسترش استراتژي هاي موثر کاهش آسيب به محصولاتي که عاملش شکل گيري يخبندان فصلي است، منتهي شود. سيستم پيش بيني ريل تايم بايد قادر به اجرا شدن بر روي ماشين هاي محاسباتي کم قدرت باشند و بايد قادر به گسترش يافتن در ميداني که مشاهدات هواشناسي پيشين خاص رويت شده، ممکن است در دسترس نباشد.
در ادامه برای آشنایی بیشتر شما توضیحات مفصلی می دهیم
يخبندان غير منتظره بر روي محصولات مي تواند اثرات زيان باري بر عملکرد محصولات داشته باشد. کاهش  در خسارتي که توسط پديده هاي طبيعي اتفاق مي افتد ، مثل يخبندان، با استفاده از زمان پيش بيني يخبندان که بر اساس شاخص هاي کليدي است  مي توان رسيد. روش هاي پيش بيني هوشمند برگرفته از مجموعه داده هاي پيشين است که براي پيش بيني شرايطي که منجر به يخبندان، مي شود. يکي از انواع پديده ها در صبح ۲۵ ام سپتامبر ۲۰۰۶  استراليا اتفاق افتاد، جايي که درختان ميوه در شپارتون منطقه اي از ويکتورياي مرکزي استراليا واقعه ي يخبندان را که به ميوه هاي در حال رشدآسيب رساند را تجربه کرد. تلفات مالي که توشط اين خسارت ايجاد شد از زمان شروعش حدود  75 ميليون دلار تخمين زده شد و پيش بيني مي شد که تا حدود  500 ميليون بالا برود. تلفات اقتصادي فقط محدود به توليد کننده هاي اوليه نمي شد بلکه  به عنوان يک اثر موجي به جوامع محلي و صنايع مرتبط گسترش يافت و سر انجام  به کاهش استخدام و در آمد هاي پايين منتهي شد.دولت همچنين تحت تاثير درآمد هاي مشمول مالياتي که کاهش يافته، قرار مي گيرد و نياز به فراهم کردن آسايش براي گروههايي که مي بايست خودکفا مي بودند افزايش مي يابد.
قابليت پيش بيني با برخي دقت دما هاي هواي شبانه به طور واضح سودمند مي باشد. چنين پيش بيني هايي به طور غير مستقيم نشانه هايي از يخبندان را خواهد داد. تحقيق در اين منطقه به استفاده از مدل هاي آماري، شبکه هاي عصبي و گسترش مدل رياضي پيجيده اي از محيط فيزيکي متمرکز شده است. همچنين تحقيقاتي در مسائل مشابهي از پيش بيني شکل گيري يخ جاده باتمرکز بر استفاده از شبکه هاي عصبي به منظور بهبود دقت سيستم پيش بيني يخبندان موجود وجود دارد.
اين روش ها تمايل به داشتن مرتبه ي بالايي از موضعي خاص را دارند؛ آنها مقداري از داده هاي قديمي را قبل از اينکه شروع به پيش بيني با هر دقتي را بکنند نياز دارند. به عنوان يک نتيجه ، انگيزه اي وجود دارد براي بررسي يک سيستم پيش بيني که مي تواند گسترش يابد در يک منطقه کشاورزي بدون نياز به تجهيزاتي که با داده هاي قديمي براي آن منطقه برنامه ريزي شده باشد. بعلاوه  سيستم پيش بيني بايد قادر به گسترش به نرم افزارهايي با حداقل محاسبات، ميکرو کنترولر هاي يزرگ يا تجهيزات ITX کوچک که در مقابل کامپيوتر هاي شخصي در اندازه طبيعي، ماشين هاي محاسباتي نوشتاري باشد. در طول دوره ي اين تحقيق، استفاده از شبکه هاي عصبي براي سيستم هاي پيش بيني بررسي شد همانطور که در مراجع به طور مفصل بيان شده، اما واضح است که استفاده از شبکه هاي عصبي به توان محاسباتي قابل توجهي نياز خواهد داشت و زمان مورد نياز براي آموزش شبکه بيش از حد بود و همچنين نياز به مقادير عظيمي از مشاهدات هواشناسي پيشين وجود داشت.همه ي اينها با تجهيزات سيستم پيش بيني تناقض دارد.
سيستم پيش بيني که اينجا ارائه شده است، روش متفاوتي را براي پيش بيني بکار مي‌گيرد، آن از ترکيب رگرسيون چند جمله اي و تطبيق فازي براي دستيابي به دقت پيش بيني خوب با سربار محاسباتي اساساً کمتري استفاده مي شود. ساعت به ساعت مشاهدات هواسنجي از هواشناسي بيوراي استراليا براي مدت زمان از ۲۰۰۰ تا نيمه و اواخر ۲۰۰۶ براي ۱۴ مکان متفاوت به منظورتست فراهم شد. اين مقاله راههاي پيش بيني مورد قبول را توصيف مي کند و پيش بيني هاي توليد شده توسط سيستم را تجزيه تحليل خواهد کرد وقتي که مشاهدات هواشناسي از منطقه ي شپارتون، خصوصا آرودروم شپارتون، به شماره ايستگاه ۸۱۱۲۵ بکاربرده شد. همچنين واقعه ي يخبندان شپارتون بررسي و پيش بيني هاي دماي هوا طرح ريزي خواهد شد. بعلاوه اين مقاله به صورت زير سازمان دهي شده است: بخش دوم روش شناسي را ارائه مي‌دهد، و پيامد ها و مباحثش در بخش سوم ارائه مي شود در حالي که در انتهاي مقاله نتيجه گيري را خواهيم داشت.
 3-1-3- روش شناسي
۳-۱-۳-۱- مجموعه اصطلاحات
۱) مشاهدات هواشناسي خاص مي تواند در شرايطي از داده ها مثل دماي هوا، دماي نقطه ي شبنم ، رطوبت نسبي ، سرعت باد و جهت آن مشخص شود. در حالي که نقطه ي شبنم دماو رطوبت نسبي از ديگر مشاهدات محاسبه مي شوند،در اين سيستم فرض مي شود که آنها مشاهدات خاصي نسبت به مشاهدات مشتق شده مي باشند.
۲) مشاهدات مشتق شده ي هواشناسي در اين سيستم اولين تفاوت هاي يک مشاهده ي خاص بين دو مدت زمان متوالي و مشتق  مشاهدات آنها مي باشد. 
در اين مقاله مطرح شده، که اگر دو نقطه ي گسسته همزمان مشاهدات هواشناسي خاص مشابهي داشته باشند زماني که در مکان فيزيکي يکساني مشاهده مي شوند و آنها مشاهدات مشتق شده ي مشابهي را نمايش مي دهند، مشاهدات مخصوص آينده بايد برخي شباهت هايي داشته باشند.
۳-۱-۳-۲-  نگاه کلي 
سيستم پيش بيني ارائه شده مي تواند به عنوان رشته اي از مراحل رويه اي توصيف شود و پخشي از آن بر اساس رگرسيون است اما از اصول تطبيق فازي به منظور تنظيم پارامتر هاي رگرسيون استفاده مي کند تا بتواند خود را با شرايط محيطي متفاوت وفق بدهد.اين قابليت سازگاري به سيستم اجازه مي دهد که تا از روي شرايطي که کمي متفاوت با شرايطي است که سيستم ممکن است تا بالاي آن نقطه توسط ترکيب تجارب مشابه تجربه کند پيش بيني کند
اين سيستم توسط ساخت يک سري پارامتر هاي ساختاري تابع رگرسيون ياد مي گيرد که مقادير آتي مشاهدات داده شده را بيان کند و سپس از ساختار داده ي درختي به منظور ذخيره ي  آن پارامتر هاي ساختاري استفاده مي کند. در حال حاضر پارامتر هاي ساختاري براي دماي هوا ،دماي نقطه ي شبنم ورطوبت نسبي توليد مي شوند.مسير ساختار درختي توسط مقادير خاص و مشاهدات هواشناسي مشتق شده تعريف مي شود. در نهايت اين خط سير پارامتر هاي ساختاري ذخيره مي شوند. شکل (۳-۱-۳) نشان مي‌دهد که هر رديف از درخت يک نوع مشاهده را نمايش مي دهد.آخرين رديف پارامتر هاي تابع رگرسيون را نگه مي‌دارد. در طول يادگيري، پيمايش درخت با استفاده از تطبيق حلقه اي انجام مي شود و پارامتر هاي ساختاري در گره هاي انتهايي از مسير درختي که توسط مقادير هر مشاهده  تعريف مي شود ، ذخيره مي‌شوند. براي پيش بيني، تطبيق فازي و مسير هاي چندگانه که از مجموعه پارامتر هاي چندگانه برگشتي گرفته مي شوند، استفاده مي شود.



عتیقه زیرخاکی گنج