پیش بینی دمای هوا با استفاده از شبکه های عصبی ترکیبی ماژولار

پیش بینی دقیق هوا در علم هواشناسی بسیار حیاتی بوده و به علت طبیعت بی نظم جو و پویا بودن آن، همیشه این موضوع، یک چالش مهم و بحث برانگیز بوده است. مدل های عددی موجود برای پیش بینی جوی خیلی دقیق عمل نمی کنند. در نتیجه در این زمینه نیاز به مدل های دقیق تری وجود دارد تا بتوان نتایج دقیق تر و بهتری را به دست آورد. در این مقاله مدلی ترکیبی از پیش پردازش داده و شبکه عصبی ماژولار برای پیش بینی دمای هوا در شهر تهران ارائه می شود. در این مدل ابتدا با استفاده از روش step wise ویژگی های مناسب استخراج می شود و سپس با شبکه بهبود یافته نگاشت خود سازمنده (SOM) به وسیله بهینه سازی ازدحام پرندگان(PSO)، داده های مناسب برای هر شبکه تولید می شود. مدل ماژولار مورد نظر از چهار شبکه Radial Basis Function Network (RBFN) ،Multilayer Perceptron Network (MLPN) ، Generalized Regression Neural Networks (GRNN) و Distributed Time-Delay Neural Network (DTDNN) ساخته شده است. داده های مورد استفاده شامل شش ویژگی نقطه شبنم، رطوبت، فشار سطح دریا، دید، سرعت باد و بارندگی است و دما برای روز بعد پیش بینی می شود. کارایی این مدل با مدل های دیگر مقایسه می شود و نتایج نشان می دهد که این مدل عملکرد خوبی داشته است

کلیدواژه ها:

شبکه عصبی ، شبکه عصبی ماژولار ، پیش بینی دما ، انتخاب ویژگی ، خوشه بندی