ارزیابی و مقایسه روش شبکه عصبی مصنوعی پرسپترون چندلایه و رگرسیون مبتنی بر داده های زمین پایه جهت پیش بینی دمای کمینه و بیشینه روزانه فرودگاه هاشمی نژاد مشهد

بررسی و تحلیل دمای هوا به عنوان یکی از پارامترهای اقلیمی در مدیریت منابع آبی و طبیعی، کشاورزی، گسترش آفات و بیماری ها، تبخیر و تعرق، خشکسالی و غیره اهمیت زیادی دارد. لذا در این مقاله می خواهیم به مقایسه روش های مختلف پیش بینی دمای کمینه و بیشینه ایستگاه فرودگاهی هاشمی نژاد مشهد بپردازیم. برای این امر از دو روش شبکه عصبی مصنوعی و رگرسیون استفاده می کنیم. برای آموزش شبکه عصبی پرسپترون چندلایه و رگرسیون از پارامترهای دمای هوا، دمای نقطه شبنم، فشار هوا، سرعت باد و تغییرات فشار ایستگاه سینوپتیک فرودگاهی مشهد استفاده نموده ایم. مقایسه مقادیر RMSE و MSE دو روش پیشنهادی نشان می دهد که روش رگرسیون هم در دمای کمینه و هم در دمای بیشینه دارای مقادیر کمتری نسبت به روش پرسپترون چند لایه می باشد و دارای عملکرد بالایی در پیش بینی دمای روزانه ایستگاه سینوپتیک هاشمی نژاد مشهد می باشد.

کلیدواژه ها:

دمای کمینه و بیشینه ، شبکه عصبی پرسپترون چندلایه ، روش رگرسیون ، پیش بینی دما ، فرودگاه هاشمی نژاد مشهد