عنوان مقاله :
پيش‌بيني ميانگين دماي بيشينه ماهانه با استفاده از مدل خاكستري بهبود يافته (مطالعه موردي: ايستگاه هواشناسي فرودگاه شهر قزوين)
عنوان به زبان ديگر :
(Forecasting Average Monthly Temperature Using Improved Gray Model (Case Study: Climatology Station of Qazvin Airport
پديد آورندگان :
كريمي خواجه غياثي، مريم دانشگاه آزاد اسلامي قزوين - دانشكده مهندسي صنايع و مكانيك - گروه مهندسي صنايع , علي نژاد، عليرضا دانشگاه آزاد اسلامي قزوين - دانشكده مهندسي صنايع و مكانيك - گروه مهندسي صنايع
كليدواژه :
پيش بيني , مدل خاكستري , متابوليسم , هواشناسي
چكيده فارسي :
نظريه مدل خاكستري در مواردي به كار گرفته مي شود كه اطلاعات كافي از جامعه مورد مطالعه در دست نيست. مدل پيش بيني خاكستري براي رشته‌اي از اطلاعات با تنوع معين و ثابت مناسب است. مدل خاكستري مي تواند با اعمال يكسري محاسبات اضافي سبب بهبود عملكرد پيش‌بيني در مواردي شود كه اطلاعات چنداني از سيستم مورد مطالعه در دست نيست. با استفاده از مدل خاكستري بهبود يافته مقدار خطاي برآورد به ميزان مورد توجه‌اي كاهش مي‌يابد. در اين مطالعه از داده‌هاي ميانگين دماي بيشينه ماه‌هاي فروردين تا شهريور سال‌هاي 1380 تا 1391 ايستگاه هواشناسي فرودگاه قزوين براي پيش‌بيني ميانگين دماي بيشينه براي شش‌ماهه اول سال 1392 استفاده شد. نتايج اين تحقيق حاكي ازآن است كه استفاده مدل خاكستري بهبود‌يافته به روش كاهنده و متابوليسم مي‌تواند سبب افزايش دقت پيش بيني ميانگين دماي بيشينه ماهانه شود. پيش‌بيني‌هاي انجام شده براي ماه‌هاي فروردين (20/9 در مقابل 21/3 درجه سلسيوس) و خرداد (30/6 در مقابل 30/9 درجه سلسيوس) از دقت مطلوبي برخوردار بودند در حالي كه پيش‌بيني‌هاي مرداد و شهريور از اعتماد پايين‌تري برخوردار بودند.
چكيده لاتين :
The theory of grey system is used when sufficient information of the community under study is not in hand. The grey forecast model is proper when the information variety is fix and certain. Grey model can apply some additional computations to improve forecasting activities when data is insufficient. Through using improved grey model, the assessment error decreases significantly. This study made use of the mean maximum monthly temperature data for April to September collected by Qazvin climatology station in airport, from 2001 to 2012. The aim was to forecast of the mean maximum monthly temperature for April to September in 2013. The findings revealed that the improved grey model (changeabl estarting point model and metabolism method) can increase the precision of forecasting the mean variable of maximum monthly temperature. Forecasts for April (20.9 versus 21.3 cellcious degree) and June (30.6 vs. 30.9 cellcious degree) had a good accuracy, while August and September's predictions were less trusted.
