بخشی از متن مقاله پيش‌بيني بارش‌هاي سالانه در ايستگاه‌هاي سينوپتيک کرمانشاه و نوژ? همدان با استفاده از شبک? عصبي مصنوعي :
سال انتشار : 1393
تعداد صفحات :26
اهمّیّت پیش‌بینی بارش به عنوان مهم‌ترین عنصر اقلیمی و مبنای تمام برنامه‌ریزی‌ها, به‌ویژه در مناطقی که رژیم‌های بارش تغییرات معنی‌دار دارد, بر هیچ‌کس پوشیده نیست. استفاده از شبکههای عصبی مصنوعی یکی از روشهای پیش‌بینی است که در سالهای اخیر توسع زیادی یافته است. در این پژوهش برای پیش‌بینی بارشهای سال بعد در دو ایستگاه سینوپتیک کرمانشاه و نوژ همدان از دادههای برخی از عناصر اقلیمی فصول سرد سال قبل استفاده شد. به این منظور, سریهای زمانی هفت عنصر اقلیمی شامل میانگین دما, بارش, رطوبت نسبی, نسبت مخلوط, فشار بخار, دمای نقط شبنم و فشار سطح دریا به عنوان ورودی به شبکههای عصبی وارد گردید. خروجی شبکهها, بارش سال بعد در نظر گرفته شد. با توجّه به ماهیت غیرخطّی عناصر اقلیمی منتخب در این تحقیق, از شبکههای پرسپترون چندلایهاستفاده شد که از انواع شبکههای پیشرو با الگوریتمهای آموزشی نظارتی و مناسب دادههای غیرخطّی است. برای آموزش شبکهها از دو رد الگوریتم آموزشی دیگر, شامل الگوریتمهای آموزشیBP و الگوریتم نرمال‌سازی اعداد استفاده شد. در نهایت, ترکیب این الگوریتمها منجر به تولید 720 شبک آموزشی در دو ایستگاه شد. نتایج تحقیق نشان داد شبک عصبی مصنوعی در هر دو ایستگاه به طرز مناسبی مقادیر بارش سالانه را پیش‌بینی میکند. بهترین پیش‌بینی در ایستگاه کرمانشاه مربوط به تابع آموزشیtraingd با الگوریتم نرمال‌سازی میانگین و انحراف معیار با خطای آزمایش معادل 0195/0 در دور سرد سال (پاییز و زمستان), و در ایستگاه نوژ همدان مربوط به تابع آموزشی traingdx با الگوریتم نرمال‌سازی 06/0 pca با خطای آزمایش معادل 0047/0 در فصل زمستان است.