بررسی و پیش بینی کمینه دمای سالانه و ماهانه با استفاده از شبکه های عصبی مصنوعی، مورد: منطقه کرج

یخبندان یکی از پدیده های مهم و زیان آور مورد مطالعه در اقلیم شناسی می باشد که از دیدگاه کاربردی به بسیاری از فعالیتهای انسانی به ویژه فعالیتهای کشاورزی ارتباط پیدا می کند. لزوم برنامه ریزی در برابر خطرات این پدیده ایجاب می کند تا مطالعاتی بر روی روش های پیش بینی و اثرات سیگنال های اقلیمی بر وقوع کمینه دما صورت گیرد. با توجه به محدودیت هایی از قبیل عدم کفایت آمار و اطلاعات موجود، دقت پایین و خطای بالای روش های آماری معمول، در این تحقیق از شبکه های عصبی مصنوعی در جعبه ابزار شبکه های عصبی نرم افزار matlab-7 به عنوان یک روش کارامد جهت پیش بینی کمینه دما استفاده شده است. در این روش، روابط بین متغیرها غیرخطی فرض می شود. در این تحقیق سعی شده پیش بینی کمینه دما در شهر کرج با استفاده از متغیرهای ساعات آفتابی منطقه و 8 سیگنال اقلیمی صورت گیرد. بدین منظور از قابلیت های شبکه های عصبی پس انتشار و رادیال بیس برای ساخت مدل های پیش بینی استفاده شده است. ورودی مدل آمار ماهانه سیگنال های اقلیمی ao، nao و ساعات آفتابی (sun) منطقه در بازه زمانی (2007–1973) و آمار سالانه شاخص هایao, nao, pdo, tna, tni, soi, siberia, noi و خروجی مدل داده های کمینه دما می باشد. در ابتدا برای تحلیل ارتباط میان کمینه دما و سیگنال های اقلیمی، از روش همبستگی استفاده شده است. همبستگی ها در سطح اعتماد 95% مورد آزمون قرار گرفته و مناسب ترین شاخص ها انتخاب شدند. در مرحله بعد سعی گردید تا با استفاده از مدل شبکه های عصبی و متغیرهایی چون سیگنال های اقلیمی و ساعات آفتابی به عنوان ورودی های مدل اقدام به پیش بینی کمینه گردد. نتایج بیانگر آن است که شبکه های عصبی مصنوعی توانایی بیشتر و دقت بالایی جهت پیش بینی کمینه دما ماهیانه و سالیانه نسبت به روش های آماری معمول دارند به طوریکه بهترین مدل های پیش بینی با کمترین خطا و بالاترین همبستگی را ایجاد کرده است. و تنها افزایش فاکتورهای ورودی شبکه، عاملی بر افزایش کارایی و پیش بینی با دقت بالاتری نمی باشد بلکه استفاده از ورودی هایی که ارتباط خوبی با خروجی شبکه دارند نتایج بهتری را ایجاد خواهد کرد. همچنین شبکه های رادیال بیس نتایج بهتری را نسبت به شبکه های پس انتشار نشان داده است. از دیگر نتایج حاصل از این پژوهش، تأثیر بالای شاخص های نوسان قطبی و ساعات آفتابی منطقه در پیش بینی ماهیانه کمینه دما و شاخص های نوسان قطبی، حاره ای اطلس شمالی، نوسان دهه ای اقیانوس آرام، نوسان شمالی و زبانه پرفشار سیبری در پیش بینی سالیانه کمینه دما می باشد.