نکته های کلیدی در آب و هواشناسی سینوپتیک
خدایا! کمکم کن؛ پیمانی را که در طوفان با تو بستم در آرامش فراموش نکنم
درباره وبلاگ


خدایا !
از این ناراحتم كه روزی بسیاری از درهای علوم را بر روی خود بگشاییم و هنوز شناختمان از تو تنها در همین حد باشد.


مدیر وبلاگ : mehdi doostkamian
مطالب اخیر
نویسندگان
نظرسنجی
مطالبی را که در وب گذاشته می شود چگونه ارزیابی می کنید:؟








پیوندها
آمار وبلاگ
  • کل بازدید :
  • بازدید امروز :
  • بازدید دیروز :
  • بازدید این ماه :
  • بازدید ماه قبل :
  • تعداد نویسندگان :
  • تعداد کل پست ها :
  • آخرین بازدید :
  • آخرین بروز رسانی :





برای نمایش تصاویر گالری كلیك كنید


دریافت كد گالری عكس در وب

قابل توجه دانشجویان دانشگاه خوارزمی تهران،  زنجان و تبریز

همانند ترم های قبل

کارگاه آموزشی و تحلیل داده­ با استفاده از نرم افزار Matlab

برگزار می گردد.

سرفصل های این دوره به طور خلاصه:

1-اصول برنامه نویسی به زبان ساده برای دانشجویان جغرافیا

2-   آمار توصیفی (نمایه های مرکزی، نمایه های توزیع شکل......)

3-  آمار استنباطی (تحلیل رگرسیون خطی و غیر خطی (نمایی و سهمی، ضریب همبستگی........)

4-    تحلیل و طبقه بندی الگوهای جوی (تیپ بندی و ناحیه بندی............ )

5-     روش های پیشرفته آماری چند متغیره (تحلیل خوشه ­ای و تحلیل عاملی و...)

6-     تغییرات عناصر اقلیمی (تغییرات شیب و لاپلاسین.......)

7-    ایجاد فایل های پیوسته (اسکریپت های زنجیره­ای و .....)

8-    چگونگی تشکیل پایگاه داده (روزانه، ماهانه، سالانه...)

9-      تحلیل داده­های فرین(یخبندان، بارش سنگین و فوق سنگین، تحلیل تندرها، گردغبارها .......)

10-  ترسیم انواع نمودارها (دوبعدی و چند بعدی.......)

11-  تحلیل شبکه عصبی (انواع تابع های فعالیت...........)


11-  تحلیل داده های پرسشنامه ای (انواع آزمون ها ، ازمون تی تست، تحلیل واریانس یک طرفه و دوطرفه...........)

12- پردازش تصویر


* کلاسها در 30 ساعت آموزشی در دانشگاه خوارزمی تهران ، زنجان و تبریز  برگزار خواهند شد.


مدرس: مهدی دوستکامیان (دانشجوی دکتری تغییرات آب و هوایی)


برای ثبت نام با شماره تلفن 09368305988  یا ادرس ایمیل  s.mehdi67@gmail.comتماس حاصل بفرمایید.

در ضمن شروع کلاس ها متعاقبا اعلام می گردد.





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
یکشنبه 15 دی 1392
mehdi doostkamian
در اشکال زیر فراوانی بارش های سنگین و فوق سنگین ایران را طی 50 سال اخیر نشان می دهد. (بر گرفته از مقاله بنده و همکاران)
آپلود عکس | آپلود | سایت آپلود عکس | اپلود عکس" alt="" />

آپلود عکس | آپلود | سایت آپلود عکس | اپلود عکس" alt="" />





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
دوشنبه 28 مهر 1393
mehdi doostkamian
توزیع فضایی یخبندان های ایران طی دوره های مختلف طی نیم قرن اخیر. بر گرفته از مقاله بنده و همکاران که در مجله تحقیقات جغرافیایی در شماره بعدی زیر چاپ خواهد رفت:

همان طوری که مشاهده می­شود خودهمبستگی فضایی مثبت یخبندان ها در همه دوره­ها بیشتر مربوط به غرب و شمال غرب و همچنین به صورت لکه­هایی از شمال شرق می­باشد. الگوی تغییرات خود همبستگی فضایی یخبندان بعد از اینکه طی دوره اول (1350-1340) روند کاهشی داشته، در دوره دوم (1360-1350) و سوم (1370-1360) تغییرات روند افزایشی محسوسی داشته اند. اما مشاهده می­شود که از دوره سوم (1370-1360) به بعد، یعنی دوره سیر افزایش ناهنجاری های جهانی، سیر یخبندان­های ایران روند کاهشی قابل توجهی به خود می­گیرد.

همان طوری که دیده می­شود بیشینه این یخبندانها بر اساس موران محلی بیشتر در امتداد کوه­های زاگرس مشاهده می­شود. با این وجود، همان طوری که از شکل 5 نیز استنباط می شود، به سمت دوره­های اخیر (دوره پنجم) از روند خودهمبستگی فضایی یخبندانهای ایران کاسته شده است. برای مثال در دوره اول تقریباً 15 درصد از مساحت کشور دارای الگوی خودهمبستگی فضایی مثبت یخبندان بوده است. این درحالی است که در دوره پنجم این مقدار به 13درصد می­رسد. در سواحل دریای خزر در بین دوره­های مورد بررسی، در دوره دوم مساحت بیشتری از کرانه های سواحل دریای خزر دارای یخبندان بوده است که در دوره­های سوم الگوی خودهمبستگی فضایی مثبت این یخبندان­ها کاهش یافته و در دوره چهارم به بعد تقریباً فاقد الگوی خودهمبستگی فضایی مثبت شده است. بر اساس این مدل، بخش بسیار زیادی از مساحت کشور فاقد الگوی خودهمبستگی فضایی بوده است. بنابراین بر اساس تحلیل فضایی موران محلی، الگوی خودهمبستگی فضایی یخبندان­های ایران رو به کاهش می­باشد که این نتایج با نتایج مسعودیان و همکاران (1392) همخوانی دارد.

دوره اول 1340-1350


آپلود عکس | آپلود | سایت آپلود عکس | اپلود عکسدوره دوم 1350-1360

آپلود عکس | آپلود | سایت آپلود عکس | اپلود عکسدوره سوم 1360-1370

آپلود عکس | آپلود | سایت آپلود عکس | اپلود عکسدوره چهارم 1370-1380

آپلود عکس | آپلود | سایت آپلود عکس | اپلود عکسدوره پنجم 1380-1390

آپلود عکس | آپلود | سایت آپلود عکس | اپلود عکسنمودار الگوی خودهمبستگی طی دوره های مختلف:

همان طوری که مشاهده شد، روند یخبندان­های ایران به سمت دوره های اخیر، کاهش محسوسی داشته است. از آنجایی که یخبندان مستقیماً تحت تاثیر دما می­باشد کاهش یخبندان را طی دوره­های اخیر را می­توان به روند افزایش (گرمایش جهانی) نسبت داد، به طوری که آنومالی دمای جهانی نشان می­دهد که روند دما و همچنین ناهنجاری­های دما طی سالهای اخیر رو به افزایش بوده است (شکل 1)؛ تا جایی که میزان ناهنجاری های دمای جهانی به طور متوسط 013/0 درجه سانتیگراد روند افزایشی داشته است.


آپلود عکس | آپلود | سایت آپلود عکس | اپلود عکس" alt=""

نمودار  اهنگ تغییرات ناهنجاری های دما جهان 

آپلود عکس | آپلود | سایت آپلود عکس | اپلود عکس" alt="" />





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
دوشنبه 28 مهر 1393
mehdi doostkamian
ادامه دستور find

توجه کنید وقتی که از یک آرگومان خروجی استفاده می شود، در فرمان find  فرض می شود که ورودی یک بردار است. اگر ورودی یک ماتریس باشد، در فرمان  find رشته اول از عناصر ها را به عنوان یک بردار ستونی، و شاخص های متناظر آن را برمی­گرداند. حالا فرض کنید می­خواهیم در کل ماتریس a اعداد بالاتر از 4850/40 را پیدا کنیم که برای این منظور به طریق زیر عمل خواهیم کرد:

>> FF=find (a (J> 45.4850)

FF =

    13

    33

   153

   173

   193

نتیجه فرمان find یک بردارستونی از شاخص های  aمی باشد، که شمارش آن از بالا به طرف پایین، ابتدا ستون اول، سپس ستون دوم و همین­طور تا ستون آخر ادامه دارد. بنابراین اگر هدف پیدا کردن یک مقدار خاصی در کل ماتریس باشد نرم افزار متلب شمارش را به صورت ستونی حساب می کند به طوری که از ردیف اول ستون اول به عنوان شماره 1 و ستون آخر و ردیف آخر به عنوان شماره آخر در نظر گرفته می­شود. در واقع به شکل زیر می­باشد:

 

جدول--

متلب این نوع شمارش را زمانی محاسبه  می­کند که هدف شما پیداکردن یک عدد خاص در کل ماتریس باشد به عبارت دیگر دستور شما مطابق با دستور زیر باشد:

>> FF=find (a (:)> 45.4850)

ولی اگر بخواهید برای هر ستون به طور جدا گانه یک عدد خاصی را پیدا کنید شمارش متلب به شکل زیر خواهد بود:

جدول--

حال فرض کنید قصد استخراج دوتا کد همزمان را در یک ماتریس داریم برای این منظور از & استفاده خواهیم کرد. مثال:

جدول--

در این دستور عدهای بزرگتر و مساوی با میانگین ستون اول و کوچکتر مساوی با ماکسیمم ستون اول ماتریس a را نشان می­دهد و شماره ردیف­های که اعداد آنها دارای ارزشی بین میانگین ستون اول و کوچکتر مساوی با ماکسیمم ستون اول هستند در فایل m و شماره ستون های که ارزشی بین میانگین ستون اول و کوچکتر مساوی با ماکسیمم ستون اول دارند در فایل n ذخیره می­کند. (نکته در این جا به جای میانگین و ماکسیمم اعداد مورد نظر می­باشد. برای مثال می­توان به جای میانگین و ماکسیمم هر عدد دیگر را قرار دهیم؛ حالا اگر به جای میانگین عدد 40 و به جای ماکسیمم عدد 50 را قرار دهیم، شکل دستوری آن به شکل زیر می­باشد:

>> [m n] = find (a (:, 1)>=40 & (a(:,1)<=50))

m =

    13

    19

n =

     1

     1

حالا فرض می­شود ما قصد استخراج کدهای توفان­های تندری را برای یک ایستگاه خاص، به عنوان مثال ایستگاه تبریز را داریم. همان طوری که می­دانیم کدهای توفانهای تندری شامل کدهای بزرگتر از 91 و کوچکتر از 99 ، 29 و 17 می­باشد. برای این دستور علاوه بر & از | برای استخراج کدها استفاده خواهیم کرد.

 

>> nam=find((ah(:,1)>=91)&(ah(:,1)<=99)|(ah(:,1)==29)|(ah(:,1)==17));

اگر توجه کنید وقتی بخواهیم کدهای بین دو دامنه را استخراج کنیم از & استفاده می­شود اما اگر قصد استخراج داده­ی مطلق مثلاً، برای کدهای 17 و 29 را داشته باشیم از | استفاده خواهیم کرد دلیل آن این است که به لحاظ ریاضی یک عدد نمی تواند همزمان برابر با دو یا چند عدد باشد به همین دلیل باید از | استفاده کنیم. با اجرای این دستور بر روی داده­های توفان­های تندری تبریز طی دوره 30 ساله نتایج زیر حاصل شده است.





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
دوشنبه 28 مهر 1393
mehdi doostkamian
من و همکارام در حال نوشتن کتابی در زمینه متلب با دید اقلیمی هستیم که ایشالله به زودی زیر چاپ خواهد رفت. در زیر بخشی از این کتاب با توضیح دستور پر کاربرد find آورده شده است. در ضمن به دلیل حجم زیاد امکان اوردن جدول ها مربوط به داده ها وجود نداشت ایشالله عذر مرا پذیرا باشید.

دستور find

یکی از مهمترین و پرکاربردترین توابع در اقلیم شناسی تابع find می­باشد. به طوری که برای تحلیل و استخراج کدهای مربوط به گرد و غبار، توفان­های تندری، برف، آستانه­ها و ..... از این دستور استفاده می­شود. در زیر کاربردهای از این توابع با رویکرد اقلیمی شرح داده می­شود. فرض کنید دانشجویی قصد دارد تعداد داده­های پایین تر یا بالاتر از صدک 95 را پیدا کند به طریق زیر عمل خواهیم کرد:

جدول

در ابتدا باید صدک 95 را برای هر ستون پیدا کرد که برای این منظور به طریق زیر عمل خواهیم کرد:

>> Pic = prctile (a (:, 1),[95])

Pic =

   45.4850

همان طوری که مشاهده می­شود ابتدا با استفاده از دستور prctile صدک 95 را برای ستون اول محاسبه نمود، حال با استفاده از تابع find به طریق زیر داده­های بزرگتر و کوچکتر از 4850/40 را برای ستون اول حساب می­کنیم:

داده­های بزرگتر:

>> Ad=find (a (:, 1)>45.4850)

Ad =

    13

توجه کنید که با اجرای دستور بالا شماره ردیف اعدادی را می­دهد که ارزش آنها بالاتر از آستانه می­باشد، نه خود عدد را. برای مثال در این دستور ردیف 13 عدد آن مقداری بالاتر از 4850/40 را دارا می­باشد. حالا می­توانیم با استفاده از دستور زیر خود عدد را استخراج کنیم:

>> Bb=a (ad, 1)

Bb =

   49.1997

این دستور نشان می­دهد که ردیف 13 که عدد آن بالاتر از 4850/40 می­باشد ارزش آن 1997/49 می­باشد.






نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
دوشنبه 28 مهر 1393
mehdi doostkamian

Example: Computing R2 from Polynomial Fits

You can derive R2 from the coefficients of a polynomial regression to determine how much variance in y a linear model explains, as the following example describes:

  1. Create two variables, x and y, from the first two columns of the count variable in the data file count.dat:

    load count.dat
    x = count(:,1);
    y = count(:,2);
  2. Use polyfit to compute a linear regression that predicts y from x:

    p = polyfit(x,y,1)
    
    p =
        1.5229   -2.1911
    

    p(1) is the slope and p(2) is the intercept of the linear predictor. You can also obtain regression coefficients using the Basic Fitting GUI.

  3. Call polyval to use p to predict y, calling the result yfit:

    yfit = polyval(p,x);

    Using polyval saves you from typing the fit equation yourself, which in this case looks like:

    yfit =  p(1) * x + p(2);
  4. Compute the residual values as a vector of signed numbers:

    yresid = y - yfit;
  5. Square the residuals and total them to obtain the residual sum of squares:

    SSresid = sum(yresid.^2);
  6. Compute the total sum of squares of y by multiplying the variance of y by the number of observations minus 1:

    SStotal = (length(y)-1) * var(y);
    
  7. Compute R2 using the formula given in the introduction of this topic:

    rsq = 1 - SSresid/SStotal
    
    rsq =
        0.8707

    This demonstrates that the linear equation 1.5229 * x -2.1911 predicts 87% of the variance in the variable y





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
دوشنبه 21 مهر 1393
mehdi doostkamian


همان طوری که قبلا اشاره شد برای محاسبه ضریب همبستگی در متلب از دستور corr استفاده می­کنیم. به مثال زیر توجه کنید:

>> Tem

Tem =

   10.6962

   10.5157

   12.8483

   15.7500

   12.7583

   10.2091

    8.9238

    7.5845

   11.1357

   13.8447

>> Rain

Rain =

    9.7507

    9.7648

   11.5551

   13.3165

   11.6927

    5.9796

    5.9637

    5.8208

    9.4946

   12.2419

در  متلب امکان ضریب همبستگی پارامتری و غیر پارامتری به راحتی انجام می­گیرد. در این مواقع کافیست به طرق زیر عمل کنید:

>> [R,PVAL] = corr(a,b,'type','pearson')

R =

    0.9250

PVAL =

   1.2639e-04

>> R2= R^2

R2 =

    0.8556

>> [R,PVAL] = corr(a,b,'type','Kendall')

R =

    0.8222

PVAL =

   3.5769e-04

>> [R,PVAL] = corr(a,b,'type','Spearman')

R =

    0.9394

PVAL =

     0




نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
یکشنبه 20 مهر 1393
mehdi doostkamian
clc
P=input('data :');
    me=mean(P(:));
    mediann=median(P(:));
    modee=mode(P(:));
    
varr=var(P(:));
stdd=std(P(:));
 cvvv=(stdd/me)*100;
damenetaghirat=(max(P(:))-min(P(:)));

    skewnes=skewness(P(:));
    kurtosi=kurtosis(P(:));
   
maxx=max(P(:));
minn=min(P(:));
prctilec = prctile(P(:),[25 50 75]);
discriptivet=[me,mediann, modee,varr,stdd,cvvv,damenetaghirat,...
    skewnes,kurtosi,maxx,minn];
discriptivet(1,12:14)=prctilec;
discriptivet=(discriptivet)';

clear me stdd p me me me mediann  modee varr stdd cvvv damenetaghirat
clear skewnes kurtosi prctilec minn maxx p P





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
پنجشنبه 10 مهر 1393
mehdi doostkamian
سایتی که در زیر معرفی می شود شبکه عصبی را به طور کامل باز کرده است. البته لازم به ذکر است که شاید با خواندن این مطالعه کمی گیج شوید اما با کمی پایه ریاضی این نگرانی هم بر طرف می شود:

http://neural-network.blogfa.com/




نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
شنبه 19 بهمن 1392
mehdi doostkamian

در باره فرض صفر و فرض تحقیق، جناب آقای دکتر حسین عساکره آن استاد بزرگوار در انجمن اقلیم شناسی در پاسخ به یکی از دوستان که فرض صفر و فرض تحقیق  را سوال کرده بوده ایشان یک جواب کامل و مفید داده بوده اند. بنده حیفم آمده بود که در اینجا آورده نشود لذا با اجازه ایشان همان متن را بدون هیچ تغییری در اینجا ذکر خواهم کرد:

نحوه کاربرد آزمون های آماری در مطالعات اقلیمی در فصل نهم کتاب « مبانی اقلیم شناسی آماری» ارائه ‏شده است. در زیر برخی از موارد کاربرد را که خلاصه ای از فصل مذکور است خدمت شما تقدیم می دارم. ‏متاسفانه به دلیل عدم امکان فرمول نویسی در این بخش ناگزیر روابط عددی به شکل توصیفی بیان شده است.‏ هدف اصلی در آزمون فرض آماری برآورد فراسنج ها براساس آماره های مربوط است. چهار مبحث مهم از ‏مباحث آزمون فرض و آمار استنباطی به شرح زیر مورد توجه قرار می گیرد:‏

‏1ـ آزمون فرض و استنباطِ مشخصه های توصیفی مشاهدات. ‏ ‏2ـ آزمون ضریب همبستگی.‏

‏3- تحلیل رگرسیون  4ـ آزمون نیکوئی برازش.‏

در استنباط مشخصه های توصیفی در صدد کشف نزدیک ترین ویژگی فراسنج جامعه از روی آمارۀ نمونه ‏هستیم. به عنوان مثال اگر در یک ناحیه بارش ‏A‏ میلی متر برای کشت دیم مناسب باشد و بخواهیم براساس ‏آمار موجود, ببینیم که آیا این مقدار بارش در این ناحیه رخ می دهد یا خیر، باید میانگین حاصل از نمونه مورد ‏آزمون قرار گیرد. زیرا میانگین های چندسالی که در دسترس داریم نمی توانند بدون آزمایش به عنوان میانگین ‏اقلیمی پذیرفته شوند. در این صورت فرض صفر که می بایست آزمون شود و فرض مقابل به صورت زیر خواهد ‏بود.

فرض صفر: میانگین بارش کم تر از ‏A‏ میلی متر است.

فرض مقابل: میانگین بارش برابر یا بیش تر از ‏A‏ میلی متر است.‏

هریک از روش های همبستگی بر پایۀ توزیع نمونه گیری خاص به لحاظ معنی داری آزمون می شوند. هدف ‏از آزمون ضریب همبستگی آن است که معلوم شود آیا مقدار حاصل از این ضریب واقعی و بر جامعه قابل تعمیم ‏است یا بر اثر تصادف حاصل شده است؟ بدین ترتیب ضریب همبستگی نمونه در قیاس با ضریب همبستگی ‏جامعه به لحاظ معنی داری آزمون می شود. فرض صفر و فرض مقابل برای سطح معنی داری مورد نظر به شرح ‏زیر طراحی می شوند:‏

فرض صفر: بین دو متغیر مورد نظر رابطه ای معنی دار وجود ندارد.

فرض مقابل: بین دو متغیر مورد نظر رابطه معنی دار وجود دارد.‏

برای تحلیل رگرسیون و استنباط آماری از مدل برازنده بر مشاهدات، مدل رگرسیون از هر نوع که باشد، از سه ‏گروه آزمون آماری به شرح زیر استفاده می شود:‏

‏1ـ آزمون ضرایب رگرسیون ‏2ـ آزمون و تحلیل پراش‏ ‏3ـ آزمون مانده های الگوی رگرسیون این آزمون ها هم برای رگرسیون یک متغیره و هم برای رگرسیون چند متغیره قابل انجام است. می توان فرض ‏صفر مبتنی بر برابری ضرایب رگرسیون جامعه با صفر را به صورت زیر آزمود:‏

فرض صفر: ضرایب رگرسیون فاقد معنی داری آماری است.‏

فرض مقابل : ضرایب رگرسیون به لحاظ آماری معنی دار است.‏

آزمون برازش یک توزیع خاص را می توان در چند شکل بیان نمود. به عنوان مثال آزمون تصادفی بودن توزیع ‏مشاهدات یکی از این موارد است. در این صورت فرض های این تحقیق به صورت زیر خواهد بود:‏

فرض صفر : آرایش مشاهدات تصادفی است.‏

فرض مقابل: آرایش مشاهدات تصادفی نیست.‏

 همچنین توزیع فراوانی كه از طریق نمونه گیری به دست می آید، به وسیله یک توزیع نظری (احتمالاتی) ‏تقریب زده می شود. ازآن جا كه به دست آوردن توزیع نظری عناصر اقلیمی بسیار مشكل است، می توان با ‏مطالعه تعدادی توزیع نظری و بر اساس نمونه های موجود، بهترین توزیع مناسب را از طریق آزمون های آماری ‏برگزید. انتخاب مناسب ترین توزیع نظری برازش نامیده می شود. برازش دادن یك مدل در واقع انتخاب مدلی ‏است كه بهتر از هر مدل دیگر، رفتار مشاهدات را بیان کند و نمایشی از واقعیت هایی باشد كه در طبیعت رخ ‏داده است. یکی از مباحث آمار استنباطی بررسی شایستگی برازش توزیع نظری بر توزیع تجربی است. بنابراین ‏برازش مدل نامناسب بر داده های تجربی، می تواند نتایج و پیامدهای غلطی را داشته باشد. روش های متعددی برای آزمون نیكوئی برازش وجود دارد. در روش های آزمون فرض تشخیص نیكوئی ‏برازش، مجموعه ای از آزمون فرض ها برای ارزیابی فرض صفر (داده ها از توزیع مفروض استخراج شده اند) به ‏شمار می آیند. عمده ترین این آزمون ها در دو گروه، آزمون خی دو و آزمون موسوم به کلموگروف ‏اسمیرنوف جای می گیرند. ‏





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
جمعه 11 بهمن 1392
mehdi doostkamian

ممکن است که بخواهید برنامه نوشته شده خود را در اختیار فردی قرار دهید تا از آن استفاده کند، اما چون زحمت زیادی برای کدنویسی آن کشیده اید، بنابراین دوست داشته باشید که وی نحوه نوشته شدن کدها را نبیند، یا به عبارتی سو استفاده از برنامه نشود در این مواقع می توانید از دستور pcode در متلب استفاده کنید. دستور pcode در متلب، این امکان را به ما می دهد که از برنامه ای که در یک m-file با پسوند m نوشته اید، فایلی دیگر با پسوند p تولید کنیم، که این فایل اگرچه در متلب قابل اجرا شدن می باشد، اما کسی نمی تواند کدهای نوشته شده در آن را ببیند. مراقب باشید که خود شما هم نمی توانید کدهای درون فایل با پسوند p را ببینید، بنابراین همیشه فایل اصلی را که دارای پسوند m می باشد را نزد خود نگهدارید.

نام m-file را به دلخواه، برای مثال data انتخاب می کنیم. حال m-file را می بندیم و چک می کنیم که آدرسی که در پنجره Current Folder نوشته شده است، حتما آدرس فولدر حاوی m-file باشد. سپس کد زیر را در Command نوشته و اجرا می کنیم :

 

pcode data

با اجرای کد بالا، یک فایل با نام data.p ساخته می شود. این فایل، توسط متلب، قابل باز شدن نیست و کدهای آن را نمی توان دید، اما می توانید آن را با متلب اجرا کنید، به این صورت که در پنجره Command ، اسم data را نوشته و سپس کلید enter را فشار می دهیم تا برنامه درون فایل data.p اجرا شود . دقت کنید که قبل از آن، فایل data.m را بردارید تا مطمئن شوید که فایل data.p اجرا شده است.





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
چهارشنبه 9 بهمن 1392
mehdi doostkamian
در سایت زیر آموزش متلب به صورت ساده تا پیشرفته توضیح داده شده است:
نکته لازم به ذکر است که بسیاری از این دستورات کاربرد اقلیمی دارند.

http://www.kelidestan.com/matlab/matlab-category-1.php




نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
سه شنبه 8 بهمن 1392
mehdi doostkamian

آبشار کمردوغ کهگیلویه در موقعیت جغرافیایی  E503257 و N310950 در استان کهگیلویه و بویر احمد واقع است. آبشار زیبای کمردوغ در شهر قلعه رئیسی از توابع شهرستان کهگیلویه در زمره زیبایی های طبیعی استان کهگیلویه و بویراحمد به شمار می رود این آبشار دیدنی که نزدیک به 2۰۰ متر ارتفاع و بیش از 10۰ متر عرضه دارد پس از عبور از جاده های پرپیچ و خم زیبا و درختان و جنگل های رویایی بلوط پس از عبور از شهر دهدشت ،مرکز شهرستان کهگیلویه  نمایان می شود.

این آبشار در تمام طول سال دارای آب است، ارتعاشات بلورین زرین و معلق آب آن در بلندا، رنگین کمان هفت رنگ را به طور واضح به تصویر کشیده است. این آبشار از ضلع شرقی کوههای قلعه رئیسی با ترکیب چشمه های متعدد سرچشمه می گیرد. آبشار کمر دوغ در فاصله۸۰ کیلومتری شهر دهدشت ،مرکز شهرستان کهگیلویه ، ۱۵ کیلومتری شرق شهر قلعه رییسی و در کنار روستای کمر دوغ  و روستای زیبای آبله و امامزاده سیمحمود واقع شده که بواسطه آب سفید رنگش به کمر دوغ (کمردو)معروف شده و در طول سال بخصوص در فصل بهار و تابستان پذیرای گردشگران و مسافرانی از سراسر ایران است.

کمر در اصطلاح مردم محلی همان دیوار سخت و صاف است. شباهت آب آبشار به دوغ باعث نامگذاری آن به کمردوغ شده است. از ویژگی های منحصربفرد این آبشار، نمکی بودن آب این چشمه است، زیرا در مناطق کوهستانی کهگیلویه و بویراحمد به ندرت چشمه ای نمکی یافت می شود. در سرچشمه آبشار کمردوغ، اجرای یک طرح پرورش ماهی قزل آلا باعث پهن شدن سرریز آب و وسعت یافتن طول آبشار شده و آبشاری مصنوعی را در جنوب آبشار طبیعی آن ایجاد کرده است. واقع شدن یک تنگه زیبا در مسیر جریان آب بر زیبایی آبشار افزوده است.

از پدیده جالب اقلیم شناسی این آبشار ناشناخته وجود پدیده رنگین کمان که به واسطه بازتاب امواج خورشیدی به زیبای این ابشار کمک کرده است.

عکس های از زیبای این آبشار که کنار روستای زیبای آبله و کمر دوغ و بیسیدون واقع شده است:








اگر کمی دقت شود رنگین کمان در عکس بالا کاملا مشخص است. برای اینکه کاملا برای بینندگان روشن شود در همان تصویر در شکل زیر مشخص است (در ضمن من خودم از نزدیک دیدم واقعا جالب بود. دوستان اگر امکانش هست می توانید یک مسافرت جذابی به تنجا داشته باشید)


چگونه شکل گیری پدیده رنگین کمان در شکل زیر به تصویر کشیده شده است

هنگامی که خورشید در آسمان باشد و باران هم ببارد، پدیدة رنگین کمان مشاهده می شود. می خواهیم بدانیم چگونه رنگین کمان شکل می گیرد و چرا رنگ ها را می بینیم.

شکل1 پرتو نور A را که از خورشید می تابد و توسط قطرة باران کروی بازتاب داخلی می شود، نشان می دهد. پرتو نور در نقطة B وارد قطره آب می شود، کمی منحرف می شود و در نقطة C بازتابش داخلی پیدا می کند. به ازای یک بازتاب داخلی در قطرة آب، رنگین کمان اولیه در زاویه 42 درجه تشکیل می شود (شکل2)


برای مشاهدة رنگین کمان باید طوری بایستید که خورشید پشت شما قرار بگیرد، (شکل3). اگر در یک منطقة وسیع و همواری باشید می توانید یک رنگین کمان حلقه ای کامل را تماشا کنید، طوری که زمین مانع از دیدن نباشد.


برای مشاهدة رنگین کمان ثانویه باید نوری که وارد قطرة آب می شود، دو بار درون قطره بازتاب کلی پیدا کند، (شکل4).








(منبع: http://daneshnameh.roshd.ir/mavara/mavara-view_forum_threads2.php?comment=124787&SSOReturnPage=Check&Rand=0#ref124787)


ادامه مطلب


نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
چهارشنبه 25 دی 1392
mehdi doostkamian
بنا به در خواست یکی از دوستان که می خواست مفهوم آب قابل بارش را بداند در زیر سعی شد آب قابل بارش و تاثیر پذیری آن  که در واقع بخشی از پایان نامه بنده (به راهنمای دکتر حسین عساکره و مشاوره دکتر پورفسور هوشنگ قائمی) می باشد به صورت مختصر  آورده شده است:


تمام بخار آب موجود در ستونی از جو (مباشری و همکاران 1389، Zehang et al, 2010  و King et al, 2003 ( که از سطح زمین تا پایان تروپسفر در جو ادامه داشته و قابل تبدیل به ریزش جوی است، آب قابل بارش‌گویند ) Kristin and brin, 2008). آب قابل بارش بخش مهمی از چرخۀ آب در جو است (Ernest et al, 2008) که به ‌عنوان یک متغیر قابل ‌توجه در مطالعات آب و آب و هوا شناختی (Hadjimitsis, 2011) و نیز بنیادی اساسی برای شناخت رفتار بخار آب جو  و فرآیندهای مرتبط (Dian, 1992) به شمار می‌آید. از این‌ رو آب قابل بارش در بررسی تغییرات کوتاه و بلندمدت رطوبت جو مورد توجه می‌باشد (Bruges et al, 1999) همچنین به دلیل تأثیر آب قابل بارش در میزان بارندگی، پیش بینی بارش به‌ ویژه بارش های سنگین بر اساس این فراسنج نتایج بسیار مناسبی به‌دست می‌دهد (Stanley, 2006). در این زمینه به ‌عنوان مثال بررسی و مطالعه مقدار بارش­های سنگین شمال شرق چین توسط (2010)Sun Li,  با استفاده از 200 ایستگاه طی سال­ها‏ی 1961 تا 2005 را می‌توان نام برد. البته باید به این نکته هم توجه داشت که ردیابی و پیشبینی تغییرات اقلیمی از طریق ردیابی تغییر عناصر اقلیمی قابل درک است (کوهی و همکاران 1392). محاسبه دقیق آب قابل بارش مستلزم آگاهی دقیق از حجم بخار آب در جو است (علیزاده 1390). حجم بخار آب جو نیز خود تحت تأثیر عوامل غلظت جو، دما (Adiyamay, 2009) پو شش ابر (مباشری و همکاران، 1389) جهت و سرعت باد (Johan, 1974) و عوامل محلی (شریعت مداری، 1391) و از همه مهم تر‏ تحت تأثیر میزان وزش و همگرایی رطوبت (فلاح قالهری 1390) تغییر می‌کند؛ بنابراین میزان نم موجود در جو به دلیل افزایش فاصله از منبع نم و همچنین کاهش دمای هوا با ارتفاع و در نتیجه کاهش ظرفیت پذیرش بخارآب جو، در ارتفاعات بالایی جو کاهش می‌یابد. کاهش تدریجی بخار آب با افزایش ارتفاع در عرض های جغرافیایی بالاتر محسوس تر از عرض های جغرافیایی پایین تر می‌باشد(Parameswaran et al, 1990).

در شکل زیر توزیع مکانی میانگین و ضریب تغییرات آب قابل بارش را طی دوره 1340- تا 1390 در محدوده جو ایران نشان می دهد.

با توجه به این شکل می توان به عوامل موثر بر توزیع و پراکندگی آب قابل بارش جو ایران به راحتی پی برد. در اینجا به یک نکته باید توجه داشت که بسیاری از دانشمندان معتقدند که با افزایش عرض جغرافیایی و همچنین دوری و نزدیکی به دریا آب قابل بارش کم یا زیاد می شود. نکته کلیدی که باید توجه داشت این است که آب قابل بارش بر خلاف نظریه دانشمندان که با افزایش عرض جغرافیایی آب قابل بارش کاهش پیدا می کند، در ایران  آب قابل بارش کمتر از عرض جغرافیا طبعیت می کند و بیشتر از توپوگرافی و دوری و نزدیکی به دریا تاثیر می پذیرد . دلیل اینکه بالا رفتن عرض جغرافیا تاثیر چندانی بر کاهش یا افزایش آب قابل بارش در ایران ندارد وجود منبع عظیم رطوبتی دریای خزر می باشد که تاثیر عرض جغرافیایی را مبنی بر کاهش آب قابل بارش خنثی می کند.

در شکل زیر روند تغییرات آب قابل بارش طی دوره 1340 تا 1390 نمایش داده شده است:



ادامه مطلب


نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
جمعه 20 دی 1392
mehdi doostkamian

متن اول
واژه Hypothesis به فرض، فرضیه، برانگاشت، نهشته، پنداشت و انگارش ترجمه شده است.[1]
فرضیه، نوعی پاسخ مشروط به مسئله پژوهش است؛ که معمولا به‌صورت ارتباط بین متغیرهای وابسته یا مستقل بیان می‌شود.[2]
انسان برای حل مسائل خود راه‌حل‌ها یا تبیین‌های احتمالی ارائه می‌دهد و سپس به گردآوری اطلاعات مورد نیاز می‌پردازد؛ تا تعیین کند که آیا راه‌حل‌ها یا تبیین‌های پیشنهادی صحیح هستند یا خیر. این‌گونه حدس‌ها، پیش‌فرض‌ها یا گمان‌ها که درباره تفاوت‌ها، روابط یا علل احتمالی وقوع حوادث ارائه می‌شوند، فرضیه نامیده می‌شوند.[3]
مک‌گوگان (1990) معتقد است که فرضیه مانند عصایی در دست یک نابینا است؛ فرد نابینا بدون عصا نمی‌تواند راه‌های مختلف را تشخیص دهد و به مقصد برسد. البته باید توجه داشت که عملکرد عصا هم وابسته به شخص نابیناست.[4]
برتراند راسل مفهوم فرضیه را به‌عنوان یکی از مراحل اساسی دستیابی به قانون علمی می‌داند؛ چنانکه می‌گوید، برای دستیابی به یک قانون علمی سه مرحله اساسی وجود دارد که عبارتند از: مشاهده واقعیت‌های معنی‌دار؛ پرداختن فرضیه‌ای که در صورت صحت، برای توجیه این واقعیّت‌ها بسنده خواهد بود؛ و استنتاج نتایجی از این فرضیه که از طریق مشاهده قابل آزمون باشد.[5]
تدوین فرضیه یکی از مراحل اساسی دستیابی به قانون علمی است. به‌نوشته برتراند راسل برای دستیابی به یک قانون علمی سه مرحله اساسی وجود دارد که عبارتند از: 1) مشاهده واقعیت‌های معنی‌دار؛ 2) پرداختن فرضیه‌ای که در صورت صحت، برای توجیه این واقعیتها کافی است؛ 3) استنتاج نتایجی از این فرضیه که از طریق مشاهده قابل آزمون باشد.[6]
فرضیه تحقیق معمولا به زمان، مکان و مفعول مشخصی محدود است؛ که به‌صورت جمله شرطی بیان می‌شود؛ به‌نحوی که فاعل یا علت در بخش اول و مفعول یا معلول در بخش دوم قرار دارد.[7]
فرضیه‌ها را می‌توان از طریق نظریه‌ها، مشاهده مستقیم (شهود) و یا ترکیبی از این شیوه‌ها ساخت.[8]
 
اهمیت فرضیه‌ها
شکی نیست که فرضیه یکی از تدابیر مهم، باارزش و ضروری پژوهش علمی است. برای این عقیده دست کم سه دلیل عمده وجود دارد:
1. فرضیه، ابزار کار تئوری و نظریه‌پردازی است؛ فرضیه‌ها پل‌های مهمی بین تئوری و بررسی‌های تجربی هستند؛ که هم از طریق پیشگویی درباره نتایج پژوهش و هم از طریق آزمون‌پذیر و قابل پژوهش بودن، به عملیات نظریه‌پردازی کمک می‌کنند.
2. فرضیه، پژوهش را هدایت می‌کند؛ فرضیه ما را به‌سمتی هدایت خواهد کرد که بداینم، پژوهش را باید از کجا شروع کنیم. هیچ بررسی را نمی‌توان انجام داد مگر آنکه برای مسئله آن یک راه حل پیشنهادی، به‌شکل نوعی فرضیه، وجود داشته باشد؛ حتی اگر آن فرضیه، ابتدایی و مقدماتی باشد.
3. فرضیه، ابزار نیرومند پیشرفت دانش است؛ فرضیه، تحقیق علمی را از طریق کمک به پژوهشگر در جهت تأیید یا عدم تأیید تئوری به پیش می‌برد و به دانش می‌افزاید.[9]



ادامه مطلب


نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
شنبه 7 دی 1392
mehdi doostkamian


ضمنا توجه کنید که این مطلب رو با استفاده از نسخه 20 نرم افزار توضیح داده می شود.



ادامه مطلب


نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
شنبه 7 دی 1392
mehdi doostkamian
یکی از دروس مهم مخصوصا در مقطع دکتری آمار درس آمار ناپارامتری است.

برای آشنایی با مباحث آموزشی آن  ادرسهای زیر را بسیار مفید هستند:

مباحث را بخش بندی کرده و در هر بخش به زیبایی آموزش دده است

آزمونهای ناپارامتری در مقطع لیسانس را آموزش داده است

سایت آموزش کدهای دستور زبان آر برای همه بحثهای آمار از جمله ناپارامتری

منبع: http://pakgohar.blogfa.com






نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
شنبه 7 دی 1392
mehdi doostkamian

دستورات تحلیل خوشه ای برای کسانی که در نرم افزار متلب کار می کنند:

برای انجام تحلیل خوشه ای در نرم افزار متلب بعد از انتقال داده ها به محیط workspace کافیست این دستورهای زیر را به ترتیب اجرا کنید تا نمودار دندرو گرام را ترسیم کند:



;(y=pdist (fail nam
;(z=linkage (y
;(nam=dendrogram(Z,tedad radif or teded seton
در دستور سوم بعد از z تعداد ستون های ماتریس را بنویسید. برای مثال اگر ماتریس falnam(20,30) بعد از z عدد 30 قرار دهیم سپس دکمه اینتر را بزنیم دندروگرام مورد نظر را می دهد.


ادامه مطلب


نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
جمعه 6 دی 1392
mehdi doostkamian
دوستان در این سایت می توانند برخی از اسکریپت های گردس را مشاهئه کنند:



http://atm.ucdavis.edu/program/computing_facilities/grads/ga10.htm







نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
جمعه 17 آبان 1392
mehdi doostkamian


ادامه مطلب


نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
پنجشنبه 9 آبان 1392
mehdi doostkamian



ادامه مطلب


نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
سه شنبه 22 اسفند 1391
mehdi doostkamian
در این سایت هرچی در رابطه با کاربرد آمار می خواهی وجود دارد. و یک سایت بسیار مفیدی برای دانشجویانی که دارند پایان نامه کار می کنند به خصوص برای فصل چهار آنها می باشد.



http://www.tahlil-amari.com





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
شنبه 14 بهمن 1391
mehdi doostkamian

------<<<<<< پرسشهای متداول هواشناسی >>>>>>>-----


هواشناسی:

در مقیاس جهانی ترکیبی از مطالعات فیزیکی اتمسفر و پدیده‌های آنهاست و به دو بخش اصلی تقسیم می‌شود: هواشناسی دینامیک: بوسیله قوانین مکانیک و ترمنودینامیک حالات اتمسفر مطالعه می‌شود. هواشناسی سینپوتیک: از طریق تجربی و تهیه نقشه‌های سینپوتیک که در ساعات معینی تهیه می‌شود. اوضاع هوا مورد بررسی قرار می‌گیرد و یکی از کارهای عمده آن پیش‌بینی هوای آینده است.

 

هواشناسی کاربردی :
به کارگیری داده های هواشناسی در حل مسایل عملی مختلف نظیر کشاورزی ،انرژی ،بهداشت ،حمل و نقل ،معماری و …. را هواشناسی کاربردی گویند . هدف از هواشناسی کاربردی کمک به جامعه برای تطابق با محیط اطراف خود است.


نقشه سینوپتیکی :
نقشه هواشناسی که تمام پارامترهای مهم هواشناسی برای تعیین شرایط جوی در یک زمان معین و برای یک ناحیه بسیار وسیع در آن لحاظ شده باشد.


فشار هوا چیست؟
فشار هوا نیرویی است كه هوا بر یك واحد از سطح زمین وارد می كند و مقدار آن در سطح دریای آزاد، برابر است با وزن ستونی از جیوه به ارتفاع 76 سانتیمتر. واحد اندازه گیری فشار هوا در آب و هواشناسی میلی بار یا هكتوپاسكال می باشد؛ هر میلی بار یا هكتوپاسكال برابر با 1000 دین بر سانتی متر مربع می باشد فشار ستون هوا در سطح دریای آزاد 1013 هكتوپاسكال بر سانتی متر مربع می باشد.


خطوط همفشار :
خطوطی که در روی نقشه های هواشناسی تمام نقاطی را که در یک دوره مشخص دارای تغییرات فشار جوی یکسان هستند را به یکدیگر متصل می کند .

 

دما چیست ؟

دما یکی از عناصر اساسی شناخت هوا می باشد، با توجه به دریافت نامنظم انرژی خورشیدی توسط زمین، دمای هوا در سطح زمین دارای تغییرات زیادی است که این تغییرات به نوبه خود سبب تغییرات دیگری در سایر عناصر هوا می گردد. دمای هوا را به وسیله دماسنج اندازه گیری می کنند.

 

خطوط همدما  :
خطوطی که در روی نقشه های هواشناسی تمام نقاطی را که در یک دوره مشخص دارای تغییرات دمایی یکسان هستند را به یکدیگر متصل می کند .


جبهه هوا :

منطقه بین ۲توده هواست که طول آن به هزاران کیلومتر و عرض آن تا چند کیلومتر می رسد جبهه جوی در واقع مرز بین ۲ توده هواست که دارای شدید ترین گرادیان افقی عناصر جوی می باشد.

و یا خط مرز بین توده هوا گرم و سرد را می‌گویند که بنا به وضعیت غالب (یعنی وضعیتی که توده هوای سرد غالب بر گرم باشد و یا بالعکس) جبهه را نام‌گذاری می‌کنند.
توده‌های هوا : یک توده هوا عبارت است از حجم عظیمی از هوا که خصوصیات فیزیکی آن به ویژه از نظر دما و رطوبت و آهنگ کاهش دما (Lapse rate) در سطح افقی برای صدها کیلومتر تقریبا همسان باشد.

 

جبهه‌های گرم:

یک جبهه گرم ، جبهه‌ای است که در طول آن ، هوای گرم جانشین هوای سرد می‌شود. در صورتی که که جهت حرکت توده‌های هوا به طریقی باشد که هوای گرم به تدریج از روی سطح زمینی عبور کند که قبلاً در آنجا هوای سرد وجود داشته است، جبهه تشکیل شده ، جبهه گرم خواهد بود. بر روی نقشه‌های هواشناسی ، جبهه گرم معمولاً به صورت نیم دایره‌های سیاه رنگ و در سمتی که جبهه به آن طرف حرکت می‌کند رسم می‌شود. بر روی نقشه‌های چاپی ، جبهه گرم با خط پر رنگ و قرمز مشخص شود. حاصل شکل گیری جبهه گرم ایجاد پوشش نسبتاً ضخیم ابر بر روی سطح جبهه و در نزدیکی دنباله آن و بارندگی یکنواخت است.

 

جبهه‌های سرد:

در جبهه‌های سرد ، هوای سرد جانشین هوای گرم می‌شود. تیغه‌های سیاه رنگ بر روی خطی که جبهه را نشان می‌دهد علامت جبهه سرد هستند و همیشه بر روی جهتی قرار داده می‌شوند که جبهه در آن مسیر حرکت می‌کنند. بر روی نقشه‌های هواشناسی جبهه سرد با خط پررنگ آبی مشخص می‌شود. حاصل تشکیل جبهه سرد بوجود آمدن ابرهای کومولوس و کومولونیمبوس ، همراه با بارندگیهای رگباری است.

 

واچرخند :

منطقه پرفشار دایره‌ای غیر منظم را که در آن جهت حرکت هوا مخالف جهتی است که در مراکز کم فشار موجود است را گویند.


انواع ایستگاه سینوپتیک کدامند؟
الف –ایستگاه سینوپتیک سطح زمین  ب-ایستگاه سینوپتیک دریایی ج-  ایستگاه جو بالا د-ایستگاه خودکار

 

پارامترهای موثر بر میزان بارندگی سالیانه کدامند؟
الف-الگوی دریا و خشکی               ب- جریانات اقیانوسی
ج- وجود رشته کوهها                      د- جابجایی فصلی کمربند های باد و فشار

 

نقطه شبنم :
دمایی که در آن حد باید کاهش یابد تا بخار آب موجود در هوا بر روی سطوح مختلف متراکم گردد .


وارونگی دما :
زمانی که دمای محیط با افزایش ارتفاع افزایش می یابد و نشان دهنده پایداری هوا و از شرایط لازم برای بروز آلودگی هوا می باشد.

 

النینو چیست؟
رویداد ال نینو / نوسان جنوبی یكی از مهمترین و شاخص ترین رویداد هایی است كه منجر به ظهور نا بهنجاری های بزرگ آب و هوایی در بسیاری از نقاط جهان می شود . هواشناسان و اقیانوس شناسان جهان در سالهای اخیر مطالعات زیاد و دقیقی در مورد مكانیزم ایجاد ال نینو و تاثیرات متقابل جو و اقیانوس انجام داده اند ، بویژه مطالعات گسترده ای در ارتباط با ناموزونی دما در سطح دریا و نوسانات فشار جو در سالهایی كه ال نینو رخ می دهد انجام گرفته است ، مجموعه این تغییرات را بنام نوسانات جنوبی می نامند كه با كلمه اختصاری ENSO (ElNino Southern Oscillation )یعنی تركیبی از دو كلمه ال نینو و نوسانات جنوبی است بكار می رود . برای نخستین بار واكر (1932) و بلیس (1937) بر وجود نوسانی در فشار سطح و در مقیاس جهانی اشاره كردند و آن را نوسان جنوبی SO نامیدند . بدین سان SOیك الگوی ارتباط از راه دور جهانی در اتمسفر است و به دلیل تمیز آن از سایر الگوهای ارتباط از راه دور ( بویژه نوسانات اطلس شمالی و آرام شمالی ) جنوبی نامیده شده است . مراكز عمل SO توسط یك گردش مداری شرق به غرب در امتداد صفحه استوا همراه با صعود هوا در غرب اقیانوس آرام و نزول هوا در شرق اقیانوس آرام به یكدیگر مربوط می شود و به این ترتیب گردش شكل می گیرد كه توسط بژرگنس (1969) گردش واكر نامیده شد . ال نینو مولفه اقیانوسی ENSO می باشد و با دگرگونیهای بزرگ در دماهای سطح دریا در منطقه آرام حاره ای پدیدار می گردد .






ادامه مطلب


نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
پنجشنبه 7 دی 1391
mehdi doostkamian



ادامه مطلب


نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
پنجشنبه 7 دی 1391
mehdi doostkamian

سری زمانی اتوماتیک داده های خشکسالی حوزه های آبریز کشور






ادامه مطلب


نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
پنجشنبه 30 آذر 1391
mehdi doostkamian





ادامه مطلب


نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
پنجشنبه 23 آذر 1391
mehdi doostkamian

Cyclone and Anticyclone







ادامه مطلب


نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
پنجشنبه 23 آذر 1391
mehdi doostkamian
نرم‌افزار  PHStat

PHSTAT ماژولی است که به صورت Add-ins روی نرم‏افزار Excel نصب می‏شود و به مباحث آماری و کنترل کیفیت می‌پردازد.

قابلیت‌های آن عبارتند از:

• تولید داده‌های تصادفی

• رسم نمودارهای جعبه‌ای، شاخه و برگ

• محاسبه توزیع‌های احتمال

• محاسبه فواصل اطمینان برای میانگین

• تعیین اندازه نمونه برای انجام تست میانگین و نسبیت

• انجام آزمون فرضیه‌های مختلف

• انجام آزمون رتبه‌ای ویلکاکسون، کای اسکور، کروسکال والیس

• رسم نمودارهای P و R و

• انجام رگرسیون خطی ساده، چند متغیره و ...

مزیت اصلی این نرم‏افزار شاید این باشد که همراه Excel بوده و مباحث آماری را تا حد لازم حمایت می‏کند و برای کسانی که با نرم افزارهای آماری کار نکرده‌اند و در عوض روی نرم‏افزار Excel تبحر لازم را دارند می‌تواند مفید باشد.





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
پنجشنبه 2 آذر 1391
mehdi doostkamian

درجه آزادی یعنی چه؟

فرض کنید نمونه ای شامل 5 عدد داریم که میانگین آنها 4 است. مجموع این اعداد چند باید باشد؟ بله، مجموع باید 20 باشد وگرنه میانگین 4 نخواهد شد. حال بیایید در مورد هر یک از 5 عدد مذکور بحث کنیم.

 

 

 

 

 


میخواهیم در هر یک از خانه های جدول فوق یکی از 5 عدد را قرار دهیم. اگر فرض کنیم که اعداد می توانند حقیقی (مثبت و منفی) باشند، اولین خانه جدول چند مقدار می تواند بگیرد؟ واضح است که هر مقداری می تواند در اولین خانه جای بگیرد، فرض کنیم 2 باشد.

  

  

  

  

2

 

خانه بعدی چند مقدار می تواند بگیرد؟ در این خانه هم هر مقداری می تواند باشد، فرض کنیم 7

  

  

  

4

2


به همین ترتیب خانه سوم هر مقداری می تواند باشد، مثلاً 4

  

  

7

4

2


و نیز خانه چهارم هر مقداری را می گیرد، مثلاً 0

  

0

7

4

2

  و اما خانه آخر چند مقدار می تواند بگیرد؟ فقط یک مقدار – ابن مقدار باید 7 باشد تا مجموع اغداد 20 و در نتیجه میانگین 4 شود-

دیدیم که در انتخاب اعداد اول، دوم، سوم و چهارم آزادی کامل داریم، اما حق هیچ انتخابی برای عد پنجم نداریم . پس در اینجا 4 درجه آزادی داریم. به طور کلی وقتی می خواهیم میانگین را از نمونه ای به حجم n برآورد کنیم (n-1) درجه آزادی داریم .

حال می توانیم تعریف جامع تری از درجه آزادی ارائه دهیم:

درجه آزادی عبارت است از حجم نمونه (n) منهای تعداد پارامترهایی که از داده ها برآورد میشود.(پارامترهای مجهول)

منبع سایت:http://amar85.blogfa.com/cat-5.aspx





نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
پنجشنبه 2 آذر 1391
mehdi doostkamian
.




ادامه مطلب


نوع مطلب :
برچسب ها :
لینک های مرتبط :

       نظرات
چهارشنبه 1 آذر 1391
mehdi doostkamian


( کل صفحات : 2 )    1   2