محاسبه معیارهای ارزیابی در برآورد و مقایسه عملکرد برای پیش بینی آب و هوا با استفاده از مدل های Arima , Anfis

یکی از چالش برانگیزترین مشکلات در سراسر جهان پیش بینی آب و هوا است و در هواشناسی هم ارزش کاربردیدارد و هم حوزه محبوبی برای تحقیقات علمی است . مقاله حاضر که مطالعه مقایسه ای از آمار و شبکه های عصبی فازیاست، برای پیش بینی آب و هوای Goztep استانبول ترکیه است . برای توسعه مدل ها ، نوسان داده شامل درجه حرارتمتوسط روزانه (خشک- مرطوب)، فشار هوا ، سرعت باد استفاده شده است . انطباق شبکه ها براساس مدل های سیستم های استنتاج فازی (ANFIS) و میانگین متحرک استفاده شده است . برای اطمینان از تاثیر روش های ANFIS , ARIMA مدل های مختلفی از دیتاست آموزشی و آزمایشی مختلفی امتحان شد . معیارهای ارزیابی عملکرد برایبرآورد و مقایسه عملکرد از مدل ANFIS , ARIMA محاسبه می شود . از این رو این مقاله توضیح می دهد کهچگونه مدل های عصبی فازی را می توان با استفاده از روش های یادگیری متفاوت فرموله کرد و سپس تجزیه و تحلیلاینکه آیا آنها می توانند سطوح مورد نیاز از عملکرد یک مدل قابل اعتماد برای پیش بینی آب و هوای عملی ارائه دهند .در نتایج بدست آمده مناسب ترین مدل و ساختار شبکه ای با توجه به عملکرد پیش بینی و قابلیت اطمینان و بهره وریتعیین می شود . مقایسه عملکرد مدل های ANFIS , ARIMA با توجه به معیار های (میانگین متحرک خطا) MAE،(خطای ریشه میانگین مربعات) RMSE ، نشان می دهد که بازده ANFIS بهتر است.

کلیدواژه ها:

پیش بینی آب و هوا ، مدل ARIMA ، انطباق شبکه ها ، سیستم های استنتاج فازی (ANFIS) ، میانگین متحرک خطا