پیش بینی دماهای حداکثر روزانه با استفاده از شبکه های عصبی مصنوعی مطالعه موردی: بم و بافت

با توجه به تغییرات اقلیمی و خشکسالی های اخیر پیش بینی دماهای حداکثر از اهمیت زیادی برخوردار است. هدف این پژوهش نیز پیش بینی دمای حداکثر روزانه در دو ایستگاه بم و بافت با استفاده از دو شبکه عصبی پرکاربرد یعنی شبکه عصبی پرسپترون و شبکه عصبی بازگشتی می باشد. بدین منظور پارامترهای اقلیمی روزانه به عنوان ورودی، و دمای حداکثر روزانه به عنوان خروجی شبکه، طی دوره آماری (1989-2013) مورد استفاده قرار گرفته است. نتایج این تحقیق نشان داد که، شبکه عصبی پرسپترون MLP قادر است با میزان خطا کمتری نسبت به شبکه عصبی بازگشتی NARX، به پیش بینی و شبیه سازی فرایند دمای حداکثر بپردازد. و با توجه به میزان خطا و همبستگی بین داده ها از دقت بیشتری نیز برخوردار است. و در هر دو ایستگاه بم و بافت دارای خطای کمتری میباشد. و پارامترهای میانگین دمای تر، دمای حداقل و میانگین دمای خاک بیشترین همبستگی و کمترین خطا با مدلهای استفاده شده شبکه های عصبی مصنوعی را داشتند.

کلیدواژه ها:

دماهای حداکثر روزانه ، پیش بینی ، شبکه های عصبی مصنوعی ، بم و بافت