مدل سازی آماری

کمتر کسی در مورد تفاوت های موجود بین زبان های مختلف تردید دارد، اما می توان این تفاوت ها را مدل سازی نموده و الگویی را استخراج کرد که به کمک آن بتوان یک زبان مورد نظر را از میان سایر زبان ها و بصورتی اتوماتیک شناسایی کرد؟ منظور از مدل سازی، بررسی ساختاری زبان های مختلف در یک چارچوب یکسان و در ارتباط با فیزیک و کالبد کلمات است.در این مقاله، طول کلمه و توزیع آماری آن را تحلیل کرده و نشان خواهیم داد که شناسایی پنج زبان زنده دنیا با مطالعه طول کلمات آن ها کاملا امکان پذیر است. این مدل سازی امکانات و تسهیلات جدیدی را در فضای فناوری اطلاعات و بهینه سازی فرآیندهای داده کاوی فراهم خواهد آورد.

در رخداد ناهنجاری های آب وهوایی، نوسانات جوی و اقیانوسی جوی و اقیانوسی مؤثر هستند. یکی از انواع مهم این ناهنجاری ها دماهای ناهنجار و گرماهای کم سابقه به ویژه در فصل گرم سال است. برخی از چرخه های جوی و اقیانوسی در فزونی و تشدید ناهنجاری دما در این فصل مؤثر هستند. این پژوهش با هدف مدل سازی وایازی ارتباط مهم ترین شاخص های اقیانوسی و جوی با ناهنجاری های فراگیر دمای هوا در فصل گرم سال (ابتدای ماه مه تا انتهای ماه سپتامبر) در پهنه ایران انجام شده است. در این پژوهش رابطه همبستگی و توابع بهینه وایازی بین ۱۷ شاخص جوی و اقیانوسی و مقادیر استاندارد شده دما در ۳۰ ایستگاه همدید کشور با دوره آماری بیش از ۵۰ سال داده (۱۹۶۱-۲۰۱۰) و با روش پیرسون و در چهارگام زمانی متفاوت (به ترتیب گام همزمان، یک، دو و سه ماه پیشتر) به منظور تبیین و پیش بینی ناهنجاری دمای هوا در ایران ارائه شده است. بر این اساس تحلیل همبستگی عددی بین شاخص های مورد بررسی و ناهنجاری دمایی ایستگاه ها در فصل گرم سال در پهنه ایران نشان داد، شاخص های NINO۳، NINO۱+۲، NINO۳.۴، NINO۴، GBI، GLOBAL MEAN TEMPERATURE، از مهم ترین شاخص های اقیانوسی-جوی مرتبط با ناهنجاری دمایی فصل گرم در منطقه مورد مطالعه هستند. همچنین در این پژوهش توابع وایازی خطی برای ارتباط شاخص ها و ناهنجاری ماهانه و متوسط دمای ایران ارائه گردیده، که به وسیله آن می توان تغییرات دمایی ایران را تبیین و پیش بینی کرد. صحت عملکرد این توابع با استفاده از مطابقت داده های واقعی و مدل سازی شده (برآورد مقادیر r همبستگی، مقدار RMSE وMBE) با میزان اریبی قابل قبولی مورد تأیید قرار گرفته است.