عملکرد نظریه آشوب در پیش بینی های هواشناسی مطاله موردی : اقلیم معتدل تهران

پیش بینی دقیق جهت مهیا ساختن بستر مناسب برنامه ریزی در مدیریت مناب آبی و مدیریت بحران در هواشناسی حائز اهمیت فراوان است و نیاز به استفاده از روشهایی با صحت بالای و به روز کردن مدلهای پیش بینی در اولویت قرار دارد. در امر پیش بینی بررسی بر روی پارامترهای اقلیمی و هیدرولوژی به صورت سری زمانی با روند غیر خطی مطرح می شود این پژوهش به مقایسه عملکرد سیستمهای هوشمند مبتنی بر روشهای غیر خطی نظریه اشوب و شبکه عصبی در برآورد بارش ماهیانه در اقلیم معتدل تهران می پردازد. نتایج سیستم شبکه عصبی و روشهای پیش بینی موضعی و نزدیکترین همسایگی نشان می دهد که روشهای مبتنی بر آشوب نه تنها به دامنه تغییرات داده ها حساس می باشند بلکه طول داده ها و نگرش به روند بررسی داده ها وابسته به شرایط نیز بر نتنایج تاثیرگذار است ارزیابی نتایج نشان می دهد که پیش بینی آشوبی از دقت قابل قبول و صحت بسیار بالایی برخورار هستند و نظریه آشوب در مقایسه با شبکه عصبی در اقلیم معتدل نتایج بهتری را ارائه نموده است. نظریه آشوب با در نظر گرفتن ماهیت داده اقلیم مورد بررسی و همچنین توجه به روند مورد نیاز در پیش بینی پارامتر هوشاناسی مورد مطالعه می تواند نتایج بسیار خوبی را ارائه دهد. استفاده از این نظریه با توجه به حساسیت پیش بینی های اب و هواشناسی بسیار کار

کلیدواژه ها:

نظریه آشوب ، شبکه عصبی anfis ، نزدیک ترین همسایگی ، پارامتر هواشناسی