پيش بيني اقليمي پارامترهاي هواشناسي با استفاده از شبكه هاي عصبي - فازي بر اساس آموزش پارامترهاي بخش تالي  Fulltext 

[ محمد تشنه لب ] - سازمان هواشناسي ، دانشگاه آزاد اسلامي واحد علوم و تحقيقات
[ مهدي منشي ] -

خلاصه مقاله:

فرآيند پيش بيني سريهاي زماني همواره در كنار سيستم هاي پيچيده ديناميكي بوده است. يكي از اين سيستمهاي پيچيده، اتمسفر مي باشد كه امروزه مراكز بسيار زيادي مشغول بررسي و تحقيق روي آن مي باشند. در عمل، مدل سازي يك سيستم پيچيده ديناميك با استفاده از اندازه گيريها، بسيار بسختي مي تواند بر اساس معادلات ديفرانسيل صورت پذيرد و ما معتقديم كه استفاده از تكنيكها و سيستمهاي هوشمند بصورت تركيبي براي توصيف و مدل سازي اينگونه سيستمهاي ديناميكي بر اساس اطلاعات عددي بسيار مفيد مي باشد. نمونه كاملي از جنين سيستمهاي تركيبي هوشمند، شبكه هاي عصبي – فازي مي باشد كه خصوصيات لازم براي حل چنين مسائلي را دارد.
استفادهاز الگوريتم آموزش مناسب در فرايند يادگيري اين سيستم ها ،رسيدن به هدف را سريعتر مي نمايد. يكي از الگوريتم هاي آموزش كه در بسياري از آزمايشات عملي سربلند بيرون آمده است، الگوريتم آموزش حداقل مربعات مي باشد. كه نتايج اثر آن را در افزايش سرعت همگرائي نشان مي دهد.
نتايج بدست آمده از پيشگويي اقليمي بعضي پارامترهاي مهم هوا (فشار، دما، رطوبت نسبي) توسط اين نوع سيستم هوشمند تركيبي، توانايي آن را در شناسايي ديناميك پارامترهاي هوا تاييد مي كند و در رابطه با پيش بيني مقادير آينده اين پارامترها براي يك بازه زماني غير از بازه زماني آموزشي (بخصوص در رابطه با پارامتر فشار) مورد قبول مي باشند.

پيش بيني سريهاي زماني آشوبگونه ، پيشگويي اقليمي پارامترهاي هوا ، سيستمهاي هوشمند تركيبي ، مدل فازي سوگنو ، شبكه هاي عصبي - فازي ، روش آموزش حداقل مربعات بازگشتي