مهدی فرهادی - عضو هیئت علمی دانشگاه صنعتی بیرجند

مقاله حاضرمدل جدیدی برای پیش بینی بارکوتاه مدت ایران با بهره گیری از2 مدل شبکه عصبی مصنوعی ارایه میدهد مدل ارایه شده به عوامل آب وهوایی ازقبیل درجه حرارت حساس می باشد علاوه برآن مدل حاضر قادر به پیش بینی روزهای عدی و غیرعادی سال ازقبیل تعطیلات جشنها و نیز مراسم عزاداری ملی و مذهبی را با دقت زیاد دارا می باشد زیرا مدلهایی برای پیش بینی هرروزهفته به ویژه روزهای تعطیلات رسمی قبل ازتعطیلات رسمی و پس ازتعطیلات رسمی درنظر گرفته شده است درساختارهرزیرمدل دوشبکه عصبی مصنوعی بکارگرفته شده است مدل اصلی STLF ازیک مدل مشترک بار SOM برای پیش بینی اولیه بهره گرفته و نیز ازیکی از4مدل حرارتی متفاوت شامل شبکه عصبی چندلایه پرسپترون یا شبکه عصبی خودمختارکوهونن به منظور مقایسه مشخصه های این مدلها و بکارگیری بهترین مدل حرارتی استفاده مینماید نتایج مطالعات کارامدی مدلها نمایانگر آنست که مدل SOM به مراتب دقیقتر و سریعتر ازمدل MLP بوده و نیز ازقابلیت تعمیم و پیش بینی بابهره گیری ازحداقل نمونه های اموزشی را نیز داراست

پیش بینی بار ، شبکه های عصبی ، شبکه خودسازمانده ، شبکه عصبی کوهونن