مدل سازی و پیشبینی درازمدت دمای میانگین ماهانه ارومیه به روش شبکه عصبی با الگوریتم آموزش تنظیم بیزی (MLP-BR)

هدف از این پژوهش استفاده از شبکه عصبی پرسپترون چندلایه با الگوریتم آموزش تنظیم بیزی جهت مدلسازی دما در ایستگاه سینوپتیک ارومیه است. جهت مدلسازی سری زمانی و پیشبینی دمای ماهانه ی این ایستگاه از آمار سالهای 1964 تا 2017 استفاده شد. در فرایند مدلسازی از %70 اطلاعات جهت آموزش، %15 اعتبارسنجی و %15 در مرحله آزمون استفاده شد. از سه تابع انتقال Hardlim، Satlin و Logsig استفاده شد. از نمایه RMSE و R جهت سنجش عملکرد مدلها استفاده شد. برای مقایسه عملکرد توابع از دیاگرام تیلور استفاده شد که نتایج حاکی از برتری دو تابع Satlin و Logsig به نسبت Hardlim بوده است. در نهایت با نمایه RMSE معادل 1/7 درجه سانتیگراد و نمایه R معادل 0/98 و دقت بسیار بالایی مدل MLP-BR جهت پیشبینی دما گزارش شد. از مدل مستخرج مقادیر میانگین دمای ماهانه طی سالهای 2018 تا 2022 پیشبینی شد. نتایج حاکی ازافزایش5 سریع گرم شدن منطقه مورد مطالعه نسبت به دوره تاریخی است. به طوریکه در دوره پیشبینی به اندازه بیش از 2 درجه سلسیوس به دما در هر دهه افزوده خواهد شد. با توجه به وابستگی شدید متغیرهای موثر بر تبخیر و تعرق به دما، مدیریت صحیح منابع آب شرب، صنعت و کشاورزی در این منطقه مهم است.

کلیدواژه ها:

پیشبینی درازمدت ، الگوریتم آموزش تنظیم بیزی ، میانگین دمای ماهانه ، .MLP-BR