پیش‌بینی میانگین دمای بیشینه ماهانه با استفاده از مدل خاکستری بهبودیافته (مطالعه موردی: ایستگاه هواشناسی فرودگاه شهر قزوین)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد گروه مهندسی صنایع ، دانشکده مهندسی صنایع و مکانیک، واحد قزوین ، دانشگاه آزاد اسلامی، قزوین،ایران.

2 دانشیار گروه مهندسی صنایع ، دانشکده مهندسی صنایع و مکانیک، واحد قزوین ، دانشگاه آزاد اسلامی، قزوین،ایران. (مسئول مکاتبات)

10.30467/nivar.2018.120806.1081

چکیده

چکیده
تئوری سیستم خاکستری در مواردی به کار گرفته می شود که اطلاعات کافی از جامعه مورد مطالعه در دست نیست. مدل پیش بینی خاکستری برای رشته‌ای از اطلاعات با تنوع معین و ثابت مناسب است. مدل خاکستری می تواند با اعمال یکسری محاسبات اضافی سبب بهبود عملکرد پیش‌بینی در مواردی شود که اطلاعات چندانی از سیستم مورد مطالعه در دست نیست. با استفاده از مدل خاکستری بهبودیافته مقدار خطای برآورد به میزان مورد توجه‌ای کاهش می‌یابد. در این مطالعه از داده‌های میانگین دمای بیشینه ماه‌های فروردین تا شهریور سال‌های 1380 تا 1391 ایستگاه هواشناسی فرودگاه قزوین برای پیش‌بینی میانگین دمای بیشینه برای شش‌ماهه اول سال 1392 استفاده شد. نتایج این تحقیق حاکی ازآن است که استفاده مدل خاکستری بهبود‌یافته به روش کاهنده و متابولیسم می‌تواند سبب افزایش دقت پیش بینی میانگین دمای بیشینه ماهانه شود. پیش‌بینی‌های انجام شده برای ماه‌های فروردین (9/20 در مقابل 3/21 درجه سلسیوس) و خرداد (6/30 در مقابل 9/30 درجه سلسیوس) از دقت مطلوبی برخوردار بودند در حالی که پیش‌بینی‌های مرداد و شهریور از اعتماد پایین‌تری برخوردار بودند.
واژگان کلیدی: پیش‌بینی ، مدل خاکستری، متابولیسم، هواشناسی.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Forecasting Average Monthly Temperature Using Improved Gray Model (Case Study: Climatology Station of Qazvin Airport)

نویسندگان [English]

  • Maryam Karimi Khajehghiasi Karimi Khajehghiasi 1
  • alireza alinezhad 2
1 Msc. Student, Department of Industrial Engineering, Faculty of Industrial and Mechanical Engineering, Qazvin branch, Islamic Azad University, Qazvin, Iran
2 Associate Professor, Department of Industrial Engineering, Faculty of Industrial and Mechanical Engineering, Qazvin branch, Islamic Azad University, Qazvin, Iran.
چکیده [English]

Forecasting Average Monthly Temperature Using Improved Gray Model
(Case Study: Climatology Station of Qazvin Airport)

Abstract
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.
Key words: Forecast, gray model, metabolism, meteorology.

کلیدواژه‌ها [English]

  • KEY WORDS: Forecast
  • Gray Model
  • Metabolism
  • Meteorology

1-     جوانمرد، ح.، فقیدیان، س. ف.، پیش‌بینی قیمت نفت خام اوپک با بکارگیری مدل پیش‌بینی خاکستری، فصلنامه مدلسازی اقتصادی، شماره 27، صفحه 91 الی 114، 1393.

2-     خلیلی، ن.، خداشناس، س. ر.، داوری، ک. و موسوی‌بایگی، م.، پیش بینی بارش روزانه با استفاده از شبکه های عصبی مصنوعی مطالعه موردی: ایستگاه سینوپتیک مشهد، مجله پژوهش‌های آبخیزداری، شماره 89، صفحه 7 الی 15، 1389.

3-     علیاری‌شوره‌دلی، م.، تشنه‌لب، م. وخاکی‌صدیق، ع.،  پیش بینی کوتاه مدت آلودگی هوا با کمک شبکه‌های عصبی پرسپترون چندلایه وخط حافظه دار با تأخیر، مجموعه مقالات ششمین کنفرانس سیستم‌های هوشمند، دانشگاه شهید باهنر کرمان، صفحه 139 الی 164، 1383.

4-     کاظمی،‌ ع.، مدرس، م. و مهرگان، م. ر.، پیش‌بینی تقاضای انرژی بخش حمل و نقل با استفاده از مدل زنجیره مارکوف خاکستری: مطالعه‌ی موردی در ایران، مجله مدیریت صنعتی، شماره 7، صفحه 117 الی 132، 1390.

5-     محمدی، ع. و مولائی،‌ ن.، کاربرد تصمیم‌گیری چند معیاره خاکستری در ارزیابی عملکرد شرکت‌ها، مجله مدیریت صنعتی، شماره 2، 125 الی 142، 1389.

6-     ملک، ا. م.، دباغی، آ. و آریانژاد، م. ب. ق.، مبانی تئوری سیستم‌های خاکستری با مروری بر روش‌های عدم قطعیت، انتشارات ترمه، 1390.

7-    Deng, J. L. “Introduction to grey system theory”, The Journal of Grey System, Vol. 1,pp. 1–24, 1989.

8-    Huang, M., Yong, H., and Haiyan, C. “Predictive analysis on electric-power supp and   demand in China, Renewable Energy”, Vol. 32, pp. 1165-1174, 2007.

9-      Li, G. D., Yamaguchi, D., and Nagai, M. A. “GM(1,1)–Markov chain combined model with an application to predict   the number of Chinese international airlines”, Technological Forecasting & Social Change, Vol. 74, pp. 1465-1481, Oct. 2007.

10-     Liu, X., Peng, H., Bai, Y., Zhu, Y., and Liao, L. “Tourism Flows Prediction Based on an Improved Grey GM(1,1) Mode”, Procedia - social and behavioral sciences, Vol. 138, pp. 767 – 775, 2014.

11-     Tongyuan, H., and Yue, W. “Forecasting model of urban traffic accidents based on grey model-GM (1, 1)”, Institute of Computer, Second Workshop on Digital Media and its Application in Museum & Heritages , pp. 438-441, Dec. 2007.

12-     Wang, Y., and Liu, C., “Preliminary Research on Aging Population and Flexible Retirement Policy of Shanghai”, IERI Procedia, Vol. 2, pp. 455-459, 2012.

13-Haozheng,  S., Yanjun, J., and Qingzhe1 J. “The Combined Model of Gray Theory and Neural Network  which is based Matlab Software for Forecasting of Oil Product Demand”, The Second China Energy Scientist Forum, pp. 115-160, Jan. 2010