ارزیابی تاثیر پیش پردازش پارامترهای ورودی به شبکه عصبی مصنوعی با استفاده از روش-های رگرسیون گام به گام به منظور پیشبینی ساعات آفتابی ماهانه مطالعه موردی: ایستگاه هواشناسی جیرفت

میزان ساعات آفتابی باتاثیری که درتعیین میزان تابشخورشیددارد،عامل اصلی کنترل حیات،آب وهواوسایرفعالیتهای زیستی درسطح زمین بخصوص درمناطق خشک ونیمه خشک به شمارمیرود.ساعات آفتابی به علت نیاز به فاکتورهای اقلیمی مختلف و اثر متقابل این فاکتورها برهمدیگر یک پدیده ی غیرخطی و پچیده است.یکی از مراحل پیچیده در در مدلسازی سیستم های غیرخطی، پیش پردازش پارامترهای ورودی جهت انتخاب ترکیبی مناسب از آنها است.پیش پردازش داده ها سبب کاهش مراحل سعی وخطا و شناخت مهمترین پارامترها موثر بر پدیده ی مورد نظر جهت مدلسازی با استفاده از روش های هوشمند میگردد. در این تحقیق از روش رگرسیون گام به گام FS برای پیش پردازش پارامترهای ورودی به شبکه عصبی پرسپترون چند لایه MLP جهت تخمین مجموع ساعات آفتابی ماهانه ایستگاه سینوپتیک جیرفت استفاده شده است. برای ارزیابی تاثیر پیش پردازش پارامترهای ورودی با استفاده از معیارهای مختلف آماری سنجش خطا به مقایسه مدل ANN-FSپردازش شده توسط رگرسیون گام به گام با مدل ANN که هیچ گونه پیشپردازشی روی پارامترهای ورودی آن انجام نشده است، پرداخته شد. نتایج نشان داد که هر دو مدل از دقت قابل قبولی در پیشبینی مجموع ساعات آفتابی برخوردار هستند. اما مدل ANN-FS با داشتن ضریب تبیین 0/83 و ریشه میانگین مربعات خطا 0/0205 RMSE نسبت به مدلANN با داشتن r2برابر 0/76 و RMSE برابر 0/028 از دقت بالاتری برخوردار است. اگر چه در این تحقیق برتری مدل ANN-FS نسبت به مدل ANN مشخص گردید، اما توانایی مشخص نمودن ترتیب اهمیت پارامترهای ورودی برای آموزش شبکه و یافتن بهترین ترکیب از پارامترهای ورودی توسط تکنیکFS میتواند بعنوان ابزار مفیدی برای پیش پردازش پارامترهای ورودی جهت پیشبینی ساعات آفتابی مفید باشد.

کلیدواژه ها:

انتخاب پیشرو ، شبکه عصبی ، ساعات آفتابی.