پایان نامه پیش بینی دما با استفاده از روش های هوشمند

فهرست و منابع پایان نامه پیش بینی دما با استفاده از روش های هوشمند

فهرست:

فصل یکم -  منطق فازی و ریاضیات فازی

 

1-1- منطق فازی

 

1-1-1-   تاریخچه مختصری از منطق فازی

 

1-1-2-  آشنایی با منطق فازی

 

1-1-3-  سیستم های فازی

 

1-1-4-  نتیجه گیری

 

1-2-  ریاضیات فازی

 

1-2-1- مجموعه های فازی

 

1-2-2- مفاهیم مجموعه های فازی

 

1-2-3- عملیات روی مجموعه های فازی

 

1-2-4- انطباق مجموعه های فازی  

1-2-5- معیار های امکان و ضرورت

 

1-2-6- روابط فازی

 

1-2-6-1- رابطه ی هم ارزی فازی

 

1-2-6-2- ترکیب روابط فازی

 

1-2-7- منطق فازی

 

1-2-7-1- عملیات منطقی و مقادیر درستی فازی

 

1-2-7-2- کاربرد مقادیر درستی فازی

 

1-2-8- نتیجه گیری

 

فصل دوم-  الگوریتم ژنتیک

 

2-1-  چکیده

 

2-2- مقدمه

 

2-3- الگوریتم ژنتیک چیست؟

 

2-4-  ایده اصلی الگوریتم ژنتیک

 

2-5-  الگوریتم ژنتیک

 

2-6- سود و کد الگوریتم

 

2-7- روش های نمایش

2-8- روش های انتخاب

 

2-9-  روش های تغییر

 

2-10-  نقاط قوت الگوریتم های ژنتیک

 

2-11-  محدودیت های GA ها

 

2-12-  چند نمونه از کاربردهای الگوریتم های ژنتیک

 

2-13- نسل اول

 

2-14-  نسل بعدی

 

2-14-1- انتخاب

 

2-14-2- تغییر از یک نسل به نسل بعدی(crossover)

 

2-14-3- جهش (mutation)

 

2-15- هایپر هیوریستیک

 

فصل سوم-  بررسی مقالات

 

3-1- یک روش رویه‌‌‌ای پیش بینی دمای هوای شبانه  برای پیش بینی یخبندان

 

3-1-1- چکیده

 

3-1-2- مقدمه

 

3-1-3- روش شناسی

 

3-1-3-1- مجموعه اصطلاحات

 

3-1-3-2-نگاه کلی

 

3-1-3-3-  یادگیری

 

3-1-3-4- تولید پارامتر های ساختاری

 

3-1-3-5- پیش بینی

 

3-1-3-6- متناسب سازی ضعیف، متوسط و دقیق

 

3-1-4- نتایج

 

3-1-4-1- واقعه ی یخبندان شپارتون

 

3-1-4-2- بحث

 

3-1-5- نتیجه گیری

 

3-2- پیش بینی دما و پیش گویی بازار بورس بر اساس روابط منطق فازی و الگوریتم ژنتیک

 

3-2-1-  چکیده

 

3-2-2- مقدمه

 

3-2-3- سری های زمانی فازی و روابط منطق فازی

 

3-2-4- مفاهیم اساسی و الگوریتم های ژنتیک 

 

3-2-5- روش جدید پیش بینی دما و بازار بورس بر اساس روابط منطقی فازی و الگوریتم های ژنتیک

 

3-2-6- نتیجه گیری

 

3-3-پیش بینی روند دمای جهانی بر اساس فعالیت های خورشیدی پیشگویی شده در طول دهه های آینده

 

3-3-1- چکیده

 

3-3-2- مقدمه

 

3-3-3- داده و روش بررسی

 

3-3-4- نتایج

 

3-3-5- نتیجه گیری

 

منبع:

دکتر محمد مهدوی ،هیدرولوژی کاربردی، جلد1، انتشارات دانشگاه تهران[1]

 

دکتر هوشنگ قائمی، مبانی هواشناسی،انتشارات دانشگاه شهید بهشتی[2]

 

امین کوره پزان دزفولی،اصول تئوری مجموعه های فازی[3]

 

ترجمه ی دکتر محمد حسین فاضل زرندی،تالیف جی.ج.کلر-یو.اس.کلیر و ب.یوآن،تئوری مجموعه های فازی[4]

 

[5] 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 applications STU 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

 

[9] [KYu], Fuzzy Sets and Fuzzy Logic – Theory and Applications, Klin D. George, Bo Yuan

 

[10] [MLAB], Fuzzy Logic Toolbox, The MathWorks, www.mathworks.com.

 

[11] [Zim85], Fuzzy Sets, Decision Making and Expert Systems, Zimmermam Hans J., Kluwer Academic Press.

 

[12] [DPR1], Readings in Fuzzy Set – Fuzzy numbers an overview, Dubois and Prade.

 

[13] [KZF], An InteractiveUser-Friendly Decision Support System for consensus Reaching Based on Fuzzy Logic with linguistic quantifiers, Kacprzyk, Zadrozny and Fedrizzi.

 

[14] [YAG88], An Ordered Weighted Averaging Aggregation Operators in Multicriteria

Decision Making , Ronald Yager.

 

[15] [VIL03], Introducción a la Lógica Difusa para la representación de información imprecisa, Vila Amparo, 2002-2003.

 

[16] V. Cross and A. Firat, “Fuzzy objects for geographical information systems,” Fuzzy Sets and Systems, Vol. 113, 2000, pp. 19-36.

 

[17] V. Cross, “Fuzzy extensions for relationships in a generalized object model,” International Journal of Intelligent Systems, Vol. 16, 2001, pp. 843-861.

 

[18] V. Cross, “Defining fuzzy relationships in object models: Abstraction and interpretation,”Fuzzy Sets and Systems, Vol. 140, 2003, pp. 5-27.

 

[19] V. Cross, R. Caluwe, and N. van Gyseghem, “A perspective from the fuzzy object

data management group (FODMG),” in Proceedings of the 6th IEEE International Conference on Fuzzy Systems, Vol. 2, 1997, pp. 721-728.

 

[20]  J. C. Cubero and M. A. Vila, “A new definition of fuzzy functional dependency in

[21]fuzzy relational databases,” International Journal of Intelligent Systems, Vol. 9, 1994, pp. 441-448.

 

[22 ] G. de Tré and R. de Caluwe, “Level-2 fuzzy sets and their usefulness in object- oriented

 

[23]database modeling,” Fuzzy Sets and Systems, Vol. 140, 2003, pp. 29-49.

 

[24] D. Dubois, H. Prade, and J. P. Rossazza, “Vagueness, typicality, and uncertainty in

class hierarchies,” International Journal of Intelligent Systems, Vol. 6, 1991, pp. 167-183.

 

[25] R. George, R. Srikanth, F. E. Petry, and B. P. Buckles, “Uncertainty management issues in the object-oriented data model,” IEEE Transactions on Fuzzy Systems, Vol. 4, 1996, pp. 179-192 and Applications Symposium, 2000, pp. 47-54.

 

[26] D. Bottazzi, A. Corradi and R. Montanari: A Contextaware Group Management Middleware to suppor                                                                       

 

[27]Central Weather Bureau. (1996). The historical data of the daily average temperature and daily cloud density (from January 1995 to September 1996). Taipei, Taiwan, R.O.C.

 

[28]Chen, S. M. (1996). Forecasting enrollments based on fuzzy time series. Fuzzy Sets and Systems, 81(3), 311–319.

 

[29]Chen, S. M. (2002). Forecasting enrollments based on high-order fuzzy time series. Cybernetics and Systems: An International Journal, 33(1), 1–16.

 

[30]Chen, S. M., & Hwang, J. R. (2000). Temperature prediction using fuzzy time series. IEEE Transactions on Systems, Man, and Cybernetics – Part B: Cybernetics, 30(2), 263–275.

 

[31]Gen, M., & Cheng, R. (1997). Genetic algorithms and engineering design. New York: John Wiley & Sons.

 

[32]Goldberg, D. E. (1989). Genetic algorithm in search, optimization, and machine learning. Massachusetts: Addison-Wesley.

 

[33]Goldberg, D. E., Korb, B., & Deb, K. (1989). Messy genetic algorithms: motivation, analysis, and first results. Complex Systems, 3(5), 493–530.

 

[34]Holland, J. H. (1975). Adaptation in natural and artificial systems. Cambridge, MA: MIT Press.

 

[35]Huarng, K. (2001a). Effective lengths of intervals to improve forecasting in fuzzy time series. Fuzzy Sets and Systems, 123(3), 387–394.

 

[36]Huarng, K. (2001b). Heuristic models of fuzzy time series for forecasting. Fuzzy Sets and Systems, 123(3), 369–386.

 

[37]Hwang, J. R., Chen, S. M., & Lee, C. H. (1998). Handling forecasting problems using fuzzy time series. Fuzzy Sets and Systems, 100(2), 217–228.

 

[38]Lee, L. W., & Chen, S. M. (2004). Temperature prediction using genetic algorithms and fuzzy time series. In Proceedings of the 2004 international conference on information management, Miaoli, Taiwan, Republic of China (pp. 299–306).

 

[39]Lee, L. W., Wang, L. H., Chen, S. M., & Leu, Y. H. (2004). A new method for handling forecasting problems based on two-factors high-order fuzzy time series. In Proceedings of the 2004 ninth conference on artificial intelligence and applications, Taipei, Taiwan, Republic of China.

 

[40]Song, Q. (2003). A note on fuzzy time series model selection with sample autocorrection functions. Cybernetics and Systems: An International Journal, 34(2), 93–107.

 

[41]Song, Q., & Chissom, B. S. (1993a). Fuzzy time series and its models. Fuzzy Sets and Systems, 54(3), 269–277.

 

[42]Song, Q., & Chissom, B. S. (1993b). Forecasting enrollments with fuzzy time series – Part I. Fuzzy Sets and Systems, 54(1), 1–9.

 

[43]Song, Q., & Chissom, B. S. (1994a). Some properties of defuzzification neural networks. Fuzzy Sets and Systems, 61(1), 83–89.

 

[44]Song, Q., & Chissom, B. S. (1994b). Forecasting enrollments with fuzzy time series – Part II. Fuzzy Sets and Systems, 62(1), 1–8.

 

[45]Sullivan, J., & Woodall, W. H. (1994). A comparison of fuzzy forecasting and Markov modeling. Fuzzy Sets and Systems, 64(3), 279–293.

 

[46]Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8, 338–353

 

[47] B.A. Smith, R.W McClendon, G. Hoogenboon,“Improving Air Temperature Prediction with Artificial Neural Networks”, International Journal of ComputationalIntelligence, vol. 3, (3), pp. 179-186, 2006.

 

[48] J. Shao, “Application of artificial neural networks to improve short-term road ice forecasts”, Expert Systems With Applications, vol. 14, pp 471-482, 1998.

 

[49] J. Shao, “Improving Now casts of Road Surface Temperature by a Back propagation Neural Network”, Weather and Forecasting, vol. 13, pp. 164-171, 1998.

 

[50] G. Emmanouli, G. Galantis & G.Kallos, “Statistical methods for the prediction of night-time cooling and minimum temperature”, Meterol. Appl, vol. 13, pp. 169- 178, 2006.

 

[51] J.P. Lhomme, L.Guilioni, “A simple model for minimum crop temperature forecasting during nocturnal cooling”, Agricultural and Forest Meterology, vol .123, pp. 55-68, 2004.

 

[52] O.Guerrera, “Frost damage bill tipped to reach $500m in north”, Sept 2006; http://www.theage.com.au/news/national/frost-damage-billtipped- to-reach-500m-innorth/

2006/09/25/1159036473098.html

 

[53] Wolfram Mathworld, “Least Square Fitting – Pollynomial”; http://mathworld.wolfram.com/LeastSquaresFittingPolyno mial.html

 

[54]Attia, A. F. 2005 in press

 

[55]Attia, A. F., Rabab, H., & Maha, S.Q. 2004, Solar Phys., 227, 1

 

[56]Briffa, K.R., & Jones, P.D. 1993, The Holocene, 3,77

 

[57]Dergachev,V., & Kartavykh, Y. 2002, 34th COSPAR Scientific Assembly ,the second world Space Congress, 10-19 Oct 2002 in Houston, TX,USA

 

[58]Folland, C.K., & Parker, D.E. 1995, Quarterly Journal of the Royal Meteorological Society, 121, 319

 

[59]Huang, S. 2004, Geophys Res Letters, 31, 13, CiteID, L3205

 

[60]Jones, P.D., Osborn, T.J., Bri_a, K.R., Folland, C.K. , Horton, E.B., Alexander, L.V., Parker, D.E., & Rayner, N.A. 2001, Journal of Geophysical Research, 106, 3371

 

[61]Jones, P.D., New, M., Parker, D.E., Martin, S., & Rigor, I.G. 1999, Reviews of Geophysics, 37, 173

 

[62]J. T. Houghton, L. G. Meira Filho, B. A. Calander, N. Harris, A. Kattenberg, and K. Maskell (Eds.) 1995, Cambridge University Press, 133

 

[63]Jones, P.D., & Bri_a, R. 1992, The Holocene, 2, 165

 

[64]Levitus, S., Antonov, J., & Boyer, T. 2005, Geophys. Res. Letters, 32, 2, Cite ID L02604

 

[65]Meehl, G.A. 2004, J.Climate

 

[66]Maha, S.Q. 2004 Cospar, 2004, Paris

 

[67]Nicholls, N., et al. 1996, Climate Change

 

[68]North,G.R. 2004: American Geophysical Union, Meeting 2004,abstract SH51E-06

 

[69]Pang,K.D., & Yau, K.K. 2004, American Astronomical society Meeting 205, 44.01

 

[70]Yousef, S. 2003, ESA SP-535, ISBN 92-9092- 845-X, 397

 

مجله علم و کامپیوتر [71]www.ccwmagazine.com

[72]   www.wikipedia.com

[73]  www.talkorigins.org

[74]   www.gpwiki.org

[75] پاورپوینت Koza   www.smi.stanford.edu/people/koza

[76]  دانشکده کامپیوتر دانشگاه McGill کانادا www.cgm.cs.mcgill.ca

[77]www.sharifthinktank.com

[78] www.itna.com

[79]  Guided operators for a hipper-heuristic Genetic Algorithm www.cs.nott.ac.ukIT university of Nottingham