پیش بینی و مقایسه تغییرات دمایی شهر بندرعباس با داده های نوا با استفاده از روشهای سیستم استنتاج عصبی(انفیس)و شبکه عصبی مصنوعی پرسپترون

در این تحقیق جهت پیش بینی و مقایسه تغییرات دمایی شهر بندرعباس با داده های نوا، داده های اقلیمی ایستگاه مذکور در طی دوره آماری 2011-1992 مورد استفاده قرار گرفته اند. برای مدل سازی به روش سیستم استنتاج تطبیقی فازی- عصبی، تابع عضویت 3 و نوع خروجی خطی انتخاب گردیده که حداکثر تا 20 تکرار برای هر نرون ادامه یافت و توابع بکار رفته در سیستم انفیس شامل تابع مثلثی، تابع ذوزنقه ای، تابع توزیع گاوسی2 و تابع چند جمله ای بوده که با 4 خروجی با توابع و ورودی های مختلف انجام گردید. جهت مدل سازی به روش شبکه های عصبی از یک پرسپترون چند لایه (با 3 لایه پنهان) استفاده گردید . هدف پژوهش پیش بینی و مقایسه تغییرات دماییشهر بندرعباس با داده های نوا با استفاده از سیستم استنتاجی تطبیقی فازی- عصبی(انفیس) و شبکه عصبی پرسپترون، مقایسه نتایج و تعیین بهترین روش جهت بررسی تغییرات دمایی می باشد. روشهای اصلی بکارگرفته شده در این مطالعه عبارتند از: روش تعیین ضریب همبستگی پیرسون، سیستم استنتاجی تطبیقی فازی- عصبی و شبکه عصبی پرسپترون با 3 لایه پنهان هستند. نتایج حاصل از مدل سازی دمای میانگین ایستگاه بندرعباس با استفاده از دمای ماهواره نوا در سیستم های عصبی مصنوعی پرسپترون و انفیس یکسان و حاکی از بالایی بوده و نتایج بدست آمده به دمای واقعی ایستگاه نزدیک می باشد. بطوریکه میانگین مطلق خطاء و 2 ضرایب تعیین947/0 =R مجذور مربعات خطاء به ترتیب برابر با 06/1=MAE و 45/1=RMSE و به عبارت دیگر شبکه طراحی شده می تواند دما واقعی را حتی با کمتر از 1 درجه سانتیگراد اختلاف برآورد کند.

کلیدواژه ها:

پیش بینی دمای میانگین ، سیستم استنتاجی تطبیقی فازی- عصبی ، شبکه عصبی پرسپترون ، شهر بندرعباس ، همبستگی پیرسون