به دست اوردن پارامترهای غالب CGCM3 با استفاده از روش ترکیبی الگوریتم ژنتیک و شبکه های عصبی

یکی از روشهای پیش بینی تغییرات اقلیمی استفاده از خروجی های مدل جهانی اقلیم GCM Climate Models Global می باشد اما بدلیل بزرگ بودن شبکه های مدل GCM این مدلها در مطالعات محلی و منطقه ای کارامد نیستند اخیرا برای بهبود خروجیهای GCM در مقیاس منطقه ای روش ریز مقیاس نمایی اماری مورد استفاده قرارگرفته است یکی از مهمترین مراحل انجام روش ریز مقیاس نمایی اماری انتخاب متغیرهای مستقلی است که در مدل نهایی از آنها استفاده می شود به این متغیرها ی مستقل انتخاب شده متغیرهای غالب گفته می شود به علت اینکه تاثیر متغیرهای مستقل برروی متغیر وابسته در زمانهای مختلف متفاوت است تصمیم گیری و انتخاب متغیرهای غالب فرایندی پیچیده است دراین تحقیق برای انتخاب متغیرهای غالب از ترکیب روش الگوریتم ژنتیک و شبکه های عصبی استفاده شده است برطبق نتایج تجربی مشاهده شده مشخص گردید که نتایج الگوریتم پیشنهادی همیشه بهتر یا حداقل برابر با نتایج ASD خواهد بود.

کلیدواژه ها:

تغییرات اقلیمی ، ریز مقیاس نمایی اماری ، پارامترهای غالب ، الگوریتم ژنتیک ، شبکه های عصبی ، ASD