پیش بینی دماهای ماهانه ایستگاه های همدید منتخب استان اصفهان، با استفاده از شبکه عصبی مصنوعی پرسپترون چندلایه

پیش بینی دما از کاربردی ترین برآوردهای عناصر آب و هوایی است. امروزه بخش های کشاورزی و صنعت وابستگی زیادی به شرایط دمایی (آب و هوا) دارند. دما یکی از فراسنج های بسیار مهم آب و هوایی است و از عوامل اصلی هویت آب و هوایی هر ناحیه محسوب می شود. هدف از انجام این پژوهش، مدل سازی برای پیش بینی میانگین دمای ماهانه ایستگاه های منتخب استان اصفهان است؛ از این رو، پس از بررسی طول دوره آماری ایستگاههای موجود در استان، سه ایستگاه همدید ازن سنجی، شرق اصفهان و کاشان انتخاب شدند. از آنجا که روش شبکه عصبی مصنوعی، توانایی زیادی در شبیه سازی و پیش بینی عناصر جوی و آب و هوایی؛ بویژه دما دارند، برای مدل سازی و پیشبینی دمای ماهانه از این روش استفاده شد. شبکه عصبی مصنوعی، یکی از قدرتمندترین مدل هایی است که قادر به دریافت و نمایش پیچیده روابط ورودی و خروجی داده هاست. یکی از پرکاربردترین مدلهای شبکه عصبی مدل پرسپترون چندلایه (MLP) است. برای تعیین بهترین ورودی های شبکه، پس از سعی و خطای بسیار در نهایت ساختاری با استفاده  از میانگین دمای 7 ماه قبل برای پیش بینی دمای ماه بعدی انتخاب شد. بدین ترتیب، دمای ماهانه برای 24 ماه آینده پیش بینی شد که در این حالت بهترین همبستگی را بین داده ها نشان داد. بدین منظور، از نرم افزار متلب 2013 بهره گرفته شد. در تمام ساختارهای شبکه از یک لایه پنهان متشکل از 30 نرون استفاده شد. تمامی ایستگاه ها با یک لایه پنهان به جواب رسیدند و نیازی به افزایش تعداد لایه های پنهان تشخیص داده نشد. برای آموزش شبکه از الگوریتم مارکوارت– لونبرگ استفاده شد و تمامی شبکه ها با تابع محرک تانژانت هیپربولیک به جواب مطلوب رسیدند. نتایج نشان داد که مدل شبکه عصبی مصنوعی با دقت بالایی قادر به پیش بینی دمای ماهانه است