مقاله شبیه سازی تغییرات میانگین دمای ماهانه باتحلیل سیگنال زمان گسسته(تابع نمایی مختلط)، مطالعه موردی شیراز با word
مقاله شبیه سازی تغییرات میانگین دمای ماهانه باتحلیل سیگنال زمان گسسته(تابع نمایی مختلط)، مطالعه موردی شیراز با word دارای 7 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله شبیه سازی تغییرات میانگین دمای ماهانه باتحلیل سیگنال زمان گسسته(تابع نمایی مختلط)، مطالعه موردی شیراز با word کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله شبیه سازی تغییرات میانگین دمای ماهانه باتحلیل سیگنال زمان گسسته(تابع نمایی مختلط)، مطالعه موردی شیراز با word،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله شبیه سازی تغییرات میانگین دمای ماهانه باتحلیل سیگنال زمان گسسته(تابع نمایی مختلط)، مطالعه موردی شیراز با word :
سال انتشار: 1393
محل انتشار: سومین همایش کشاورزی و توسعه پایدار، فرصت ها و چالش های پیش رو
تعداد صفحات: 7
چکیده:
شبیه سازی در پیش بینی رخدادهای هیدرولوژیکی اهمیت دارد.دماعنصر اصلی هوا اقلیم شناسی در هر منطقه می باشد..معمولا در هر منطقه الگوی تغییرات ماهانه و فصلی دارای نمود فصلی مشخصی است.از قوانین حاکم بر سیگنال می توان عوامل هیدرولوژیکی را شبیه سازی کرد.دما،به عنوان یکی از عوامل هیدرولوژیکی،را می توان به عنوان یک علامت یا سیگنال مشخص به کار گرفت. در این مقاله از الگوی پردازش سیگنال در علوم ارتباطات بهره گیری شده است.در روش مورد مطالعه داده های میانگین دمای ماهانه در ایستگاه سینوپتیک شهر شیراز در جنوب ایران برای سالهای آماری 1392-1372 انتخاب و تحت عملیات نرمال سازی قرار گرفت. بدین ترتیب کلیه داده ها با یک روش مشخص، به اعداد بین [1,1-] تبدیل شد. سپس با برازش تابع نمایی مختلط سینوسی و کسینوسی بطور جداگانه اقدام به شبیه سازی زمان گسسته داده های مذکور گردید.نتایج نشان داد که تابع نمایی مختلط سینوسی برازش بهتری نسبت به تابع نمایی کسینوسی به داده های نرمال شده دارد بنابراین از این تابع می توان در پیش بینی میانگین دمای ماهانه هر ایستگاه استفاده کرد. ضریب همبستگی بین داده های مدلسازی شده و مشاهده شده 092 می باشد.
دانلود این فایل