فهرست مطالب:
فصل اول:مقدمه
1-1- مقدمه 1
فصل دوم:مرور ادبیات و سوابق مربوطه
2-1- مقدمه 4
2-2- هواشناسی 5
2-2-1- تاریخچه هواشناسی 5
2-3- تفاوت‌های هواشناسی و اقلیم‌شناسی 6
2-4- ایستگاه هواشناسی 7
2-5- سیستم¬های خودکار هواشناسی 8
2-5-1- مزاياي ايستگاه هاي خودكار 8
2-6- مولد داده¬های هواشناسی 9
2-7- تخمین داده¬های هواشناسی 9
2-8- مفهوم بارش 10
2-8-1- انواع بارندگی¬ها 11
2-9- روش¬های سنتی اندازه¬گیری بارش باران سنج¬ها 12
2-10- برآورد بارش از طریق تکنیک¬های سنجش از دور 12
2-11- برآورد بارش از طریق روش¬های مبتنی بر تصاویر باند مرئی و مادون قرمز 13
2-12- برآورد بارش از طریق تکنیک¬های مبتنی بر داده¬های میکروموج غیر فعال 13
2-13- برآورد بارش از طریق تکنیک¬های مبتنی بر ترکیب روش¬های مادون قرمز 14
2-14- خطاهای سیستماتیک تجهیزات و داده¬های پارامترهای اقلیمی 14
2-14-1- دما 15
2-14-2- بارش 16
2-14-3- فشار 17
2-15- یادگیری ماشین 18
2-15-1- فرآیند آموزش و تست مربوط به الگوریتم‌های یادگیری ماشین 19
2-15-2- الگوریتم‌های یادگیری با نظارت 20
2-15-3- الگوریتم‌های یادگیری بدون نظارت 20
2-15-4- الگوریتم‌های یادگیری نیمه نظارتی 21
2-16- مطالعه بر روش های پیش بینی بارش 21
2-16-1- پیش بینی بارش شهرستان نوشهر با ترکیب شبکه عصبی مصنوعی 22
2-16-2- پیش¬بینی بارش ماهانه استان اردبیل با استفاده از مدل¬های ANN و WANN23
2-16-3- پیش¬بینی دقیق کمینه و بیشینه دما، میزان بارش باران، سرعت باد و وقوع طوفان24
2-16-4- ارائه الگوریتم جدید شبکه عصبی بازگشتی آموزش دیده 24
2-16-5- پيشبيني ميزان بارش باران با رويكرد نظريه سيستم خاكستري 25
2-16-6- پیش بینی بارش ماهانه با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک 25
2-16-7- پیش بینی بارش سالانه اردبیل با استفاده از شبکه عصبی مصنوعی 26
2-16-8- مدل جدید برای پیش¬بینی خشکسالی با استفاده از شاخص خشکسالی گذشته 26
2-16- 9- تجزیه و تحلیل عملکرد و اجرای یک سیستم پیش بینی وضعیت هوا 27
2-16-10- پیش بینی بارندگی برای ایالت کرالای هند 27
2-17- جمع بندی 28
فصل سوم: نتیجه¬گیری
3-1- نتیجه¬گیری 45
منابع 47