دوره 32 (1402)
دوره 31 (1401)
دوره 30 (1400)
دوره 29 (1399)
دوره 28 (1398)
دوره 27 (1397)
دوره 26 (1396)
دوره 25 (1395)
دوره 24 (1394)
دوره 23 (1393)
دوره 22 (1392)
دوره 21 (1391)
دوره 20 (1390)
دوره 19 (1389)
دوره 18 (1388)
دوره 17 (1387)
دوره 16 (1386)
دوره 15 (1385)
دوره 14 (1384)
دوره 13 (1383)
دوره 12 (1382)
دوره 11 (1381)
دوره 10 (1380)
دوره 9 (1379)
دوره 8 (1378)
دوره 7 (1377)
دوره 6 (1376)
دوره 5 (1375)
دوره 4 (1374)
دوره 3 (1373)
دوره 2 (1372-1371)
دوره 1 (1371-1369)
مقایسه روش های ARIMA و شبکه عصبی در مدل سازی و پایش وضعیت خشکسالی با استفاده از داده های سری زمانی سنجش از دوری - مطالعه موردی: شهر اراک

محمدمهدی خوشگفتار؛ مهدی آخوندزاده هنزائی؛ ایمان خسروی

دوره 28، شماره 109 ، خرداد 1398، ، صفحه 185-197

https://doi.org/10.22131/sepehr.2019.35646

چکیده
  خشکسالی پدیده­ای طبیعی، تکراری و موقتی است که به سبب بارش اندک رخ می دهد و تقریباً تمامی مناطق اقلیمی جهان را تحتتأثیر خود قرار می دهد، بویژه مناطق نیمه خشک که بدلیل میزان پائین بارش سالانه و حساسیت به تغییرات اقلیمی مستعد وضعیت خشکسالی می باشند. خشکسالی می تواند بر سلامت انسان ها و همچنین وضعیت اقتصادی و سیاسی جامعه تأثیرگذار باشد. ...  بیشتر

روش پیش ‏بینى بارندگى با استفاده از مدل سری هاى زمانى باکس - جنکینز (مطالعه موردى ایستگاه قائم شهر)

نبی اله رمضانی

دوره 15، شماره 60 ، بهمن 1385، ، صفحه 60-64

چکیده
  مدل هاى پیش ‏بینى باکس- جنکینز یکى از معروف‏ ترین مدل هاى سری هاى زمانى است که در پیش‏ بینى پدیده‏ هاى مختلف جغرافیایى اهمیت بسزایى دارد. در روش‏شناسى باکس - جنکینز مدل هاى سرى زمانى در واقع مدل هاى تلفیقى اتورگرسیو و میانگین متحرک مى‏ باشند که در آمار به مدل هاى ARIMA(1) معروف هستند. از مدل هاى  ARIMA مى‏ توان مدل هاى متعددى چون ...  بیشتر