پیش بینی دمای بیشینه هوا با استفاده از تلفیق روش جستجوی عمیق در یادگیری ماشین ( AELM ) (مطالعه موردی: ایستگاه هواشناسی سینوپتیک بجنورد)

روند افزایشی دمایی کره زمین به علت اثرات مخربی که دراد، همواره توجه بسیاری از دانشمندان را به خود جلب نموده است و در نتیجه روش های متنوعی برای پیش بینی وضعیت دمایی توسعه یافته است شبکه عصبی مصنوعی،یک ابزار قدرتمند برای مدل سازی پویا از سیستم های فیزیکی غیر خطی و برای پیش بینی پارامترهای خاص سیستم های پیچیده به شمار می رود. مجموع داده های مورد استفاده در این مقاله مربوط به ایستگاه هواشناسی فرودگاه بین المللی بجنورد می باشدکه آموزش و ازمون مدل شبکه عصبی در این پژوهش طی سال های 1356 تا 1396 صورت پذیرفته است. در این تحقیق روش یادیگری عمیق AELM مورد ارزیابی قرار گرفته و که با مقایسه سنجه های آماری مختلف از قبیل MSE,RMSE اموزش و آزمون روش های مذکور به انتخاب بازه زمانی مذکور جهت آموزش مدل برای پیش بینی دمای بیشنه در ایستگاه هواشناسی بجنورد پرداختیم. نتایج این مقاله نشان داد که بین چند مدل پیشنهادی MSE,RMSE مدل شبکه عصبی یادگیری عمیق دارای کمترین درصد خطای برآورد ممکن در داده های ازمون و آموزش می باشد که به طبع در کاهش نویز در پیش بینی دمای کمینه طی روزهای آینده اثرگذار خواهد بود.

کلیدواژه ها:

پیش بینی دما بیشینه ، شبکه عصبی مصنوعی ، یادگیری عمیق AELM ، بیش از برازش و زیربرازش ایستگاه هواشناسی فرودگاه بین المللی بجنورد