دانلود تحقیق درمورد كاربرد آمار و احتمالات در مديريت تنش سرما و يخ زدگي

با دانلود تحقیق در مورد كاربرد آمار و احتمالات در مديريت تنش سرما و يخ زدگي در خدمت شما عزیزان هستیم.این تحقیق كاربرد آمار و احتمالات در مديريت تنش سرما و يخ زدگي را با فرمت word و قابل ویرایش و با قیمت بسیار مناسب برای شما قرار دادیم.جهت دانلود تحقیق كاربرد آمار و احتمالات در مديريت تنش سرما و يخ زدگي ادامه مطالب را بخوانید.

نام فایل:تحقیق در مورد كاربرد آمار و احتمالات در مديريت تنش سرما و يخ زدگي

فرمت فایل:word و قابل ویرایش

تعداد صفحات فایل:19 صفحه

قسمتی از فایل:

مقدمه  

         با توجه به اهميت و حساسيت امر مهار آب‌هاي سطحي خصوصاً در كشور ما كه اكثر رودخانه‌هاي مناطق مختلف فصلي بوده و كمبود آبي كه در پهنه وسيعي از كشور وجود دارد ، نياز به شناسايي و به مدل در‌آوردن رفتار رودها و شريان‌هاي آبي جهت برنامه‌ريزي‌هاي بلندمدت و استفاده بيشتر و بهتر از پتانسيل‌هاي آنها عميقاً احساس مي‌شود . جديدالتاسيس بودن بيشتر ايستگاه‌هاي هيدرومتري ، نواقص موجود در آمار اكثر اين  ايستگاه‌ها ، قرارگرفتن بيشتر رودها در مناطق خشك ، وضعيت بحراني برداشت آب‌هاي زيرزميني و لزوم توجه بيشتر به آب‌هاي سطحي همه‌ و همه دلايل بيشتر و ظريف‌تري مي‌باشد كه به مقوله پيش‌بيني و توليد آمار مصنوعي‌ در حوزه‌هاي آبريز كشورمان جلوه و نمودي كامل‌تر مي‌بخشد .

       روش‌هاي متداول آماري و احتمالي بر پايه روابط و فرمول‌هاي صرفاً رياضي كه به طور اخص به پيش‌بيني سري‌هاي زماني مي‌پردازد ، از ديرباز مورد توجه مهندسين علوم آب قرار گرفته است . آنها با دست‌مايه قراردادن اين بخش از علم آمار به تحليل ، بررسي و شناخت رفتار رودخانه‌ها مي‌پرداختند . در اين راستا نرم‌افزارهاي  مختلفي نيز تهيه وتنظيم شده كه از مهم‌ترين و بارزترين آن‌ها مي‌توان SPIGOT  و HEC4  را نام برد .  

       شبكه عصبي مصنوعي[1] نامي نوين در علوم مهندسي است كه به‌طور ابتدايي و آغازين درسال 1962 توسط فرانك روزن بلات و در شكل جدي و تأثيرگذار در سال 1986 توسط رومل‌هارت و مك‌كلند با ابداع و ارائه مدل پرسپترون بهبود يافته به جهان معرفي شد . اين شيوه از ساختاري نروني و هوشمند با الگوبرداري مناسب از نرون‌هاي موجود در مغز انسان سعي مي‌كند تا از طريق توابع تعريف شده رياضي رفتار درون‌سلولي نرون‌هاي مغز را شبيه‌سازي كند و از طريق وزن‌هاي محاسباتي موجود در خطوط ارتباطي نرون‌هاي مصنوعي ، عملكرد سيناپسي را در نرون‌هاي طبيعي به مدل در آورد. ماهيت و ذات تجربي و منعطف اين روش باعث مي‌شود تا در مسائلي مانند مقوله پيش بينی كه يك چنين نگرشي در ساختار آن‌ها مشاهده مي‌شود و از رفتاري غيرخطي و لجام‌گسيخته برخوردار هستند ، به خوبي قابل استفاده باشد .

2- شبکه های عصبی مصنوعی

2-1- مفاهيم پايه در شبکه های عصبی مصنوعی

    يك نرون بيولوژيك با جمع ورودي‌هاي خود كه از طريق دندريت‌ها با يك وزن سيناپسي خاص به نرون اعمال مي‌شوند ، با رسيدن به يك حد معين توليد خروجي مي‌كند . اين حد معين كه همان حد آستانه مي‌باشد ، در حقيقت عامل فعاليت نرون يا غير فعال بودن آن است .

    با توضيحات فوق مي‌توان گفت كه در مدل‌سازي يك نرون بيولوژيك به طور مصنوعي مي‌بايست به سه عامل توجه شود :

1-    نرون يا فعال است يا غير فعال

2-    خروجي تنها به ورودي‌هاي نرون بستگي دارد

3-    ورودي‌ها بايد به حدي برسند تا خروجي ايجاد گردد]1[.

2-2- شبكه عصبي پرسپترون[2] ساده

  فرانك روزن بلات ، با اتصال اين نرون‌ها به طريقي ساده پرسپترون را ايجاد و ابداع كرد ، و براي نخستين بار اين مدل را در كامپيوترهاي ديجيتال شبيه‌سازي و آن‌ها را به طور رسمي تحليل نمود]1[.