پیش بینی دما با استفاده از روش های هوشمند

مقدمه

1

فصل یکم - 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 GAها

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

جدول1-2-1- برخی از مفاهیم پایه ی مجموعه های فازی

14

جدول3-1-1- تاریخ اولین پیش بینی و خطای پیش بینی مربوطه

63

جدول3-2-1- داده های پیشین میانگین دمای روزانه از 1 ام ژوئن 1996 تا 30 ام سپتامبر در تایوان

72

جدول3-2-2- داده های قدیمی تراکم ابر های روزانه از 1 ام ژوئن 1996 تا 30 ام سپتامبر در تایوان

74

جدول3-2-3- جمعیت ابتدایی

78

جدول3-2-4- میانگین دمای روزانه ی فازی شده و تراکم ابرهای روزانه فازی شده از 1 ام ژوئن تا30ام سپتامبر در تایوان بر اساس نخستین کروموزوم

79

جدول3-2-5- دو فاکتور مرتبه سوم روابط گروهی منطق فازی

80

جدول3-2-6- دمای پیش بینی شده و میانگین خطای پیش بینی بر اساس سریهای زمانی فازی مرتبه سوم

85

جدول3-2-7- درصد میانگین خطای پیش بینی برای مراتب مختلف بر اساس روشهای پیشنهادی

86

جدول3-2-8- درصد میانگین خطاهای پیش بینی برای پنجره های متفاوت بر اساس روشهای پیشنهادی

87

جدول3-2-9- داده های قدیمیTAIFEXو TAIEX

89

جدول3-2-10- خطای مربع حسابی برای مراتب مختلف روش پیشنهادی

89

جدول3-2-11- مقایسه مقادیر پیشبینیTAIFEXوخطاهای مربع حسابی برای روشهای مختلف پیش بینی

90

عنوان

صفحه

شکل 1-1-1- طرز کار سیستم فازی

7

شکل 1-2-1- نمودار توابع فازیs، ذوزنقهای و گاما

13

شکل 1-2-2- مثال هایی از اجتماع، اشتراک و متمم دو تابع عضویت

16

شکل 1-2-3- برخی از عملگر های پیشنهاد شده برای اشتراک

17

شکل1-2-4- برخی از عملگر های پیشنهاد شده برای اجتماع

18

شکل 1-2-5- انطباق دو مجموعه فازی

19

شکل 1-2-6- نمایش معیار های امکان و ضرورت

20

شکل 1-2-7- مقادیر درستی فازی

25

شکل 2-1- منحنی

32

شکل 2-2- تاثیر الگوریتم ژنتیک بر کروموزوم های 8 بیتی

41

شکل3-1-1-تفاوت های تولید شده ی بین مشاهدات مرجع و مشاهداتی که زودتر در صف می آیند

54

شکل 3-1-2- مشاهدات هواشناسی به صف شده

55

شکل 3-1-3- دیاگرام درختی

58

شکل 3-1-4- توابع گاوس برای متناسب سازی ضعیف، متوسط و دقیق دمای هوا

59

شکل 3-1-5- هیستوگرام خطا های پیش بینی

61

شکل3-1-6- خطای میانه ماهیانه

61

شکل 3-1-7-خطای درصدی میانه ماهیانه

62

شکل 3-1-8-تراکم پیش بینی

63

شکل 3-1-9- ترسیم توزیعی دمای هوای مشاهده شده در مقابل 1 ساعت پیش بینی دمای هوا

64

شکل3-1-10- واقعه ی شپارتون، مشاهده و پیش بینی دماهای هوا

65

شکل 3-2-1- یک کروموزوم

74

شکل 3-2-2- توابع عضویت متناظر رن هایx کروموزوم های نشان داده شده در شکل3-2-1

76

شکل 3-2-3- توابع عضویت متناظر ژن هایy کروموزوم های نشان داده شده در شکل3-2-1

77

شکل 3-2-4- عملیاتcrossover دو کروموزوم

82

شکل3-2-5- عملیات جهش یک کروموزوم

84

شکل 3-2-6- بهترین کروموزوم برای پیش بینی میانگین دمای روزانه در ژوئن 1996

84

شکل 3-2-7- میانگین خطای پیش بینی روشهای پیشنهادی بر اساس سری های زمانی فازی مرتبه سوم

86

شکل 3-2-8- خطای مربع حسابی بر اساس سری های زمانی فازی مرتبه هفتم

91

شکل 3-3-1-پیکر بندی شبکه های عصبی منطقی فازی

96

شکل 3-3-2- مقادیر مشاهده و پیش بینی شده ی ولف نو

98

شکل 3-3-3- مقادیر مشاهده و پیش بینی شده ی دمای غیر عادی جهان

98