مدلسازی دمای ماهانه با استفاده از محاسبات نرم مطالعه موردی: استان آذربایجان شرقی

در این مقاله به بررسی توانایی دو روش از مدلهای داده مبنا برای مدلسازی بلند مدت ماهانه دما بدون دادههای اقلیمی پرداخته شد - که از مدلهای شبکه عصبی مصنوعی (ANN) و سیستم فازی - عصبی تطبیقی (ANFIS) جهت مدلسازی استفاده گردید. به منظور پیش-بینیبلند مدت ماهانه دما، دادههای 11 ایستگاه دراستان آذربایجان شرقی انتخاب گردید که ضریب فصلی )شماره ماه(، عرض جغرافیایی، طول جغرافیایی و ارتفاع ایستگاهها به عنوان ورودی به مدلها معرفی شدند. برای مدلهای شبکه های عصبی مصنوعی، فازی عصبی از نوع افراز شبکه و فازی عصبی از نوع دستهبندی تفریقی، حداکثر مقادیر ضریب تبیین R2 به ترتیب 0/9986و0/9988و0/9985 درایستگاه کلیبر مشاهده شد. محدوده مقدار ریشه میانگین مربعات خطا RMSE برای مدل شبکه عصبی مصنوعی، فازی عصبی از نوع افراز شبکه و فازی عصبی از نوع دستهبندی تفریقی 0/5211-2/039و1/5275-3/2243و2/5089-3/1663 درجه سانتیگراد به دست آمد. حداقل مقدار ریشه میانگین مربعات خطا در مدلهای شبکه عصبی مصنوعی و فازی عصبی از نوع دستهبندی تفریقی در ایستگاه کلیبر و برای مدل فازی عصبی از نوع افراز شبکه در ایستگاه مراغه به دست آمده است نتایج پیشبینی دمای طولانی مدت ماهانه نشان - داد که عملکرد مدل شبکه عصبی مصنوعی در دوره آزمون بهتر از مدل سیستم فازی - عصبی تطبیقی بوده است

کلیدواژه ها:

مدلسازی ، شبکه عصبی مصنوعی ، سیستم فازی - عصبی تطبیقی ، دما