پیش بینی مه در فرودگاه مهرآباد با استفاده از یادگیری عمیق

بحث وضعیت آب و هوا از جمله مسائلی است که به دلیل تاثیر آن بر تمام جنبه های زندگی بشر از جمله تاثیر بر شرایط اقتصادی،کشاورزی، اجتماعی، سیاسی و ... باعث شده که پیش بینی آن امری مهم و ضروری باشد. یکی از شرایط آب و هوا که امروزه تاثیرچشمگیری در زندگی جامعه دارد پدیده مه است، مه از جمله رخدادهای آب و هوایی است که پیشبینی آن دشوار بوده و رخدادن آنبه عوامل متعددی بستگی دارد. تشکیل مه در فرودگاه ها، سالانه باعث متضرر شدن فرودگاه ها، دولت ها، شرکتهای تجاری و حتیاشخاص می گردد. بطور عمده روشهایی که برای پیش بینی مه وجود دارد شامل روش های معمول آماری است که از پیچیدگی بسیاریبرخوردار بوده و همچنین از روشهای غیرخطی و کارآمد نظیر شبکه های عصبی مصنوعی و دیگر روشهای یادگیری ماشین درپیش بینی و تجزیه و تحلیل مه استفاده می شود. مشکل اساسی در روشهای خطی بی نظمی در شرایط جویی و استفاده از معادلاتدیفرانسیل جزئی برای محاسبات است؛ که حل این معادلات به طور دقیق غیرممکن است و خطاهای کوچک با گذشت زمان افزایشمی یابند. این امر باعث میشود دقت پیش بینی برای بازه زمانی طولانی تر بسیار کاهش یابد. از روشهای جدیدی که در این حوزه مطرحشده است استفاده از یادگیری عمیق می باشد. یادگیری عمیق به دلیل داشتن تعداد لایه های بیشتر نسبت به شبکه های عصبی معمولیمی تواند ویژگی های سطح بالا را از ورودی های خام استخراج نماید و نیازی به نظارت انسان برای مشخص کردن اطلاعات لازم در هرلحظه نیست. ما در این پروژه به دنبال استفاده از پیش بینی مه در فرودگاه ها با استفاده از یادگیری عمیق هستیم تا پیش بینی دقیق تریبتوانیم داشته باشیم.

کلیدواژه ها:

مه ، پیش بینی مه ، شبکه های عصبی ، یادگیری عمیق