استفاده از رویکرد شبکه عصبی مصنوعی جهت پیش بینی کوتاه مدت سرعت باد (مطالعه موردی: ایستگاه هواشناسی جیرفت)

سرعت باد یکی از متغیرهای بسیار مهم هواشناسی در تعیین تبخیرتعرق و نیاز آبی گیاهان است. مدل ها و روش های متعددی برای پیش بینی این عامل وجود دارد. در سال های اخیر، با شناخته شدن ابزار محاسبات نرم، به مثابه روشی نوین در ایجاد سیستم های هوشمند، این روش ها جایگاهی ویژه در علوم هواشناسی کشاورزی پیدا کردند. به کاربردن رویکرد شبکه عصبی مصنوعی یکی از این روش هاست. با توجه به وجود ایستگاه هواشناسی کشاورزی جیرفت و دردسترس بودن داده های ساعتی سرعت باد در این شهر، از اطلاعات این ایستگاه استفاده شد. سری زمانی استفاده شده در این تحقیق اطلاعات سرعت باد در بازه زمانی ساعتی شش ماه (آوریل تا سپتامبر) سال۲۰۱۰ بود که سرعت باد نسبت به سایر ماه های سال بیشتر بود. در این تحقیق از سه مدل با نورون های متفاوت با چهار لایه استفاده شد. نتایج نشان داد که مرحله آزمون مدل با ۲۰ نورون در هر لایه، به طور متوسط ۱۳۴ ثانیه طول کشیده است. لذا این مدل در مقایسه با دیگر مدل ها، در مدت زمانی کوتاه تر مقادیر خروجی را به دست داد و سرعت اجرای بالاتری داشت. با توجه به مقایسه پارامترهای آماری در مرحله آزمون، متوسط RMSE و MSE و EF (ضریب کارایی مدل)، به ترتیب، ۱۸۲۷/۱ و ۶۹۴۷/۰ و ۹۲۴۶/۰ به دست آمد. مدل به کاررفته، نسبت به دو مدل دیگر، دقت بیشتر و کارایی بهتری در پیش بینی سرعت باد دارد و با دنیای واقعی مطابقت می کند.

کلیدواژه ها:

پیش بینی ، داده های ساعتی ، سرعت باد ، شبکه عصبی مصنوعی