چكيده
پيش
بيني يا پيشگويي در دنياي كنوني جز لاينكف زندگي بشر محسوب مي شوند، پيش
بيني دما به علت اهميت آن در صنعت بيمه، كشاورزي، خشكسالي 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 كنيم. طبق
بررسي هاي به عمل آمده از آنجا كه دو روش منطق فازي و الگوريتم ژنتيك از
روشهاي مطرح شده با دقت پيش بيني بالا هستند در يك فصل به دو مبحث منطق
فازي و رياضيات فازي اشاره مي شود و در فصلي ديگر توضيحي اجمالي از
الگوريتم ژنتيك خواهيم داشت.
در نهايت مقالات معتبر علمي
مرتبط با پيش بيني دما ارائه شده اند كه حاوي انجام آزمايشات و مشاهداتي
هستندكه توسط دو روش الگوريتم ژنتيك ومنطق فازي پيش بيني مي شوند.
فهرست مطالب
عنوان صفحه
مقدمه ۱
فصل يكم - منطق فازي و رياضيات فازي
۱-۱- منطق فازي ۲
۱-۱-۱- تاريخچه مختصري از منطق فازي ۲
۱-۱-۲- آشنايي با منطق فازي ۴
۱-۱-۳- سيستم هاي فازي ۷
۱-۱-۴- نتيجه گيري ۱۰
۱-۲- رياضيات فازي ۱۱
۱-۲-۱- مجموعه هاي فازي ۱۱
۱-۲-۲- مفاهيم مجموعه هاي فازي ۱۴
۱-۲-۳- عمليات روي مجموعه هاي فازي ۱۴
۱-۲-۴- انطباق مجموعه هاي فازي ۱۹
۱-۲-۵- معيار هاي امكان و ضرورت ۱۹
۱-۲-۶- روابط فازي ۲۱
۱-۲-۶-۱- رابطه ي هم ارزي فازي ۲۳
۱-۲-۶-۲- تركيب روابط فازي ۲۳
۱-۲-۷- منطق فازي ۲۴
۱-۲-۷-۱- عمليات منطقي و مقادير درستي فازي ۲۵
۱-۲-۷-۲- كاربرد مقادير درستي فازي ۲۷
۱-۲-۸- نتيجه گيري ۲۷
فصل دوم- الگوريتم ژنتيك
۲-۱- چكيده ۲۸
۲-۲- مقدمه ۲۹
۲-۳- الگوريتم ژنتيك چيست؟ ۳۲
۲-۴- ايده اصلي الگوريتم ژنتيك ۳۵
۲-۵- الگوريتم ژنتيك ۳۷
۲-۶- سود و كد الگوريتم ۳۸
۲-۷- روش هاي نمايش ۳۹
۲-۸- روش هاي انتخاب ۴۰
۲-۹- روش هاي تغيير ۴۱
۲-۱۰- نقاط قوت الگوريتم هاي ژنتيك ۴۲
۲-۱۱- محدوديت هاي GA ها ۴۳
۲-۱۲- چند نمونه از كاربردهاي الگوريتم هاي ژنتيك ۴۳
۲-۱۳- نسل اول ۴۵
۲-۱۴- نسل بعدي ۴۶
۲-۱۴-۱- انتخاب ۴۷
۲-۱۴-۲- تغيير از يك نسل به نسل بعدي(crossover) ۴۷
۲-۱۴-۳- جهش (mutation) ۴۸
۲-۱۵- هايپر هيوريستيك ۴۸
فصل سوم- بررسي مقالات
۳-۱- يك روش رويه‌‌‌اي پيش بيني دماي هواي شبانه براي پيش بيني يخبندان
۳-۱-۱- چكيده ۵۱
۳-۱-۲- مقدمه ۵۱
۳-۱-۳- روش شناسي ۵۳
۳-۱-۳-۱- مجموعه اصطلاحات ۵۳
۳-۱-۳-۲-نگاه كلي ۵۳
۳-۱-۳-۳- يادگيري ۵۴
۳-۱-۳-۴- توليد پارامتر هاي ساختاري ۵۵
۳-۱-۳-۵- پيش بيني ۵۷
۳-۱-۳-۶- متناسب سازي ضعيف، متوسط و دقيق ۵۹
۳-۱-۴- نتايج ۶۰
۳-۱-۴-۱- واقعه ي يخبندان شپارتون ۶۴
۳-۱-۴-۲- بحث ۶۵
۳-۱-۵- نتيجه گيري ۶۶
۳-۲- پيش بيني دما و پيش گويي بازار بورس بر اساس روابط منطق فازي و الگوريتم ژنتيك
۳-۲-۱- چكيده ۶۷
۳-۲-۲- مقدمه ۶۷
۳-۲-۳- سري هاي زماني فازي و روابط منطق فازي ۶۹
۳-۲-۴- مفاهيم اساسي و الگوريتم هاي ژنتيك ۷۰
۳-۲-۵- روش جديد پيش بيني دما و بازار بورس بر اساس روابط منطقي فازي و الگوريتم هاي ژنتيك ۷۱
۳-۲-۶- نتيجه گيري ۹۳
۳-۳-پيش بيني روند دماي جهاني بر اساس فعاليت هاي خورشيدي پيشگويي شده در طول دهه هاي آينده
۳-۳-۱- چكيده ۹۴
۳-۳-۲- مقدمه ۹۴
۳-۳-۳- داده و روش بررسي ۹۶
۳-۳-۴- نتايج ۹۹
۳-۳-۵- نتيجه گيري ۱۰۰
فهرست جدولها
عنوان صفحه
جدول۱-۲-۱- برخي از مفاهيم پايه ي مجموعه هاي فازي ۱۴
جدول۳-۱-۱- تاريخ اولين پيش بيني و خطاي پيش بيني مربوطه ۶۳
جدول۳-۲-۱- داده هاي پيشين ميانگين دماي روزانه از ۱ ام ژوئن ۱۹۹۶ تا ۳۰ ام سپتامبر در تايوان ۷۲
جدول۳-۲-۲- داده هاي قديمي تراكم ابر هاي روزانه از ۱ ام ژوئن ۱۹۹۶ تا ۳۰ ام سپتامبر در تايوان ۷۴
جدول۳-۲-۳- جمعيت ابتدايي ۷۸
جدول۳-۲-۴- ميانگين دماي روزانه ي فازي شده و تراكم ابرهاي روزانه فازي
شده از ۱ ام ژوئن تا۳۰ام سپتامبر در تايوان بر اساس نخستين كروموزوم ۷۹
جدول۳-۲-۵- دو فاكتور مرتبه سوم روابط گروهي منطق فازي ۸۰
جدول۳-۲-۶- دماي پيش بيني شده و ميانگين خطاي پيش بيني بر اساس سريهاي زماني فازي مرتبه سوم ۸۵
جدول۳-۲-۷- درصد ميانگين خطاي پيش بيني براي مراتب مختلف بر اساس روشهاي پيشنهادي ۸۶
جدول۳-۲-۸- درصد ميانگين خطاهاي پيش بيني براي پنجره هاي متفاوت بر اساس روشهاي پيشنهادي ۸۷
جدول۳-۲-۹- داده هاي قديميTAIFEXو TAIEX ۸۹
جدول۳-۲-۱۰- خطاي مربع حسابي براي مراتب مختلف روش پيشنهادي ۸۹
جدول۳-۲-۱۱- مقايسه مقادير پيشبينيTAIFEXوخطاهاي مربع حسابي براي روشهاي مختلف پيش بيني ۹۰
فهرست شكلها
عنوان صفحه
شكل ۱-۱-۱- طرز كار سيستم فازي ۷
شكل ۱-۲-۱- نمودار توابع فازي s، ذوزنقهاي و گاما ۱۳
شكل ۱-۲-۲- مثال هايي از اجتماع، اشتراك و متمم دو تابع عضويت ۱۶
شكل ۱-۲-۳- برخي از عملگر هاي پيشنهاد شده براي اشتراك ۱۷
شكل۱-۲-۴- برخي از عملگر هاي پيشنهاد شده براي اجتماع ۱۸
شكل ۱-۲-۵- انطباق دو مجموعه فازي ۱۹
شكل ۱-۲-۶- نمايش معيار هاي امكان و ضرورت ۲۰
شكل ۱-۲-۷- مقادير درستي فازي ۲۵
شكل ۲-۱- منحني ۳۲
شكل ۲-۲- تاثير الگوريتم ژنتيك بر كروموزوم هاي ۸ بيتي ۴۱
شكل۳-۱-۱-تفاوت هاي توليد شده ي بين مشاهدات مرجع و مشاهداتي كه زودتر در صف مي آيند ۵۴
شكل ۳-۱-۲- مشاهدات هواشناسي به صف شده ۵۵
شكل ۳-۱-۳- دياگرام درختي ۵۸
شكل ۳-۱-۴- توابع گاوس براي متناسب سازي ضعيف، متوسط و دقيق دماي هوا ۵۹
شكل ۳-۱-۵- هيستوگرام خطا هاي پيش بيني ۶۱
شكل۳-۱-۶- خطاي ميانه ماهيانه ۶۱
شكل ۳-۱-۷-خطاي درصدي ميانه ماهيانه ۶۲
شكل ۳-۱-۸-تراكم پيش بيني ۶۳
شكل ۳-۱-۹- ترسيم توزيعي دماي هواي مشاهده شده در مقابل ۱ ساعت پيش بيني دماي هوا ۶۴
شكل۳-۱-۱۰- واقعه ي شپارتون، مشاهده و پيش بيني دماهاي هوا ۶۵
شكل ۳-۲-۱- يك كروموزوم ۷۴
شكل ۳-۲-۲- توابع عضويت متناظر رن هايx كروموزوم هاي نشان داده شده در شكل۳-۲-۱ ۷۶
شكل ۳-۲-۳- توابع عضويت متناظر ژن هايy كروموزوم هاي نشان داده شده در شكل۳-۲-۱ ۷۷
شكل ۳-۲-۴- عملياتcrossover دو كروموزوم ۸۲
شكل۳-۲-۵- عمليات جهش يك كروموزوم ۸۴
شكل ۳-۲-۶- بهترين كروموزوم براي پيش بيني ميانگين دماي روزانه در ژوئن ۱۹۹۶ ۸۴
شكل ۳-۲-۷- ميانگين خطاي پيش بيني روشهاي پيشنهادي بر اساس سري هاي زماني فازي مرتبه سوم ۸۶
شكل ۳-۲-۸- خطاي مربع حسابي بر اساس سري هاي زماني فازي مرتبه هفتم ۹۱
شكل ۳-۳-۱-پيكر بندي شبكه هاي عصبي منطقي فازي ۹۶
شكل ۳-۳-۲- مقادير مشاهده و پيش بيني شده ي ولف نو ۹۸
شكل ۳-۳-۳- مقادير مشاهده و پيش بيني شده ي دماي غير عادي جهان ۹۸
منابع
دكتر محمد مهدوي ،هيدرولوژي كاربردي، جلد۱، انتشارات دانشگاه تهران[۱]
دكتر هوشنگ قائمي، مباني هواشناسي،انتشارات دانشگاه شهيد بهشتي[۲]
امين كوره پزان دزفولي،اصول تئوري مجموعه هاي فازي[۳]
ترجمه ي دكتر محمد حسين فاضل زرندي،تاليف جي.ج.كلر-يو.اس.كلير و ب.يوآن،تئوري مجموعه هاي فازي[۴]
[۵] George J. Klir Bo Yuan, Fuzzy sets and Fuzzy Logic, Theory and applications , Prentice Hall PTR , 1995.
[6] Anna Kolesárová, Monika Kováčová, Fuzzy sets and their applicationsSTU Bratislava 2004, ISBN 8022720364
[7] Chen, G. Q, Fuzzy Logic in Data Modeling, Semantics, Constraints, and Database Design, Kluwer Academic Publisher,1999.
[8] [Zad65], Fuzzy Sets, Zadeh L.A., 1965
دانلود فايل
