بهبود شبكه عصبي روش گروهي مدل سازي داده با استفاده از الگوريتم حشره آب ‌سوار در پيش بيني دما

تغييرات اقليمي آشكار پيش‌ رو، تبديل به دغدغه‌اي جدي براي جامعه بشري شده است و در اين بين گرمايش جهاني يكي از گسترده ترين و مهم‌ترين مخاطرات زيست محيطي است بنابراين پيشبيني مناسب دما، اهميت قابل توجهي در راستاي سازگاري با تغيير اقليم و كاهش آسيب پذيري ها در مقياس هاي محلي دارد . براي اين منظور در اين تحقيق پيشبيني دما با يكي از روش هاي شبكه عصبي را پيشنهاد داديم. پس از جمع‌آوري داده‌هاي ايستگاه اقدسيه در مرحله پيش‌پردازش پس از پاك‌سازي و نرمال‌سازي داده‌ها، عمل انتخاب ويژگي با استفاده از الگوريتم تحليل مؤلفه‌هاي اصلي انجام مي‌شود، سپس در مرحله پس‌پردازش شبكه عصبي روش گروهي مدل‌سازي داده با استفاده از الگوريتم حشره آب‌سوار بهبود داده مي‌شود تا پيشبيني دما به صورت بهينه انجام شود. نوآوري اين تحقيق استفاده از الگوريتم حشره آب‌سوار در بهبود شبكه عصبي روش گروهي مدل‌سازي داده است. پارامترهايي در روش گروهي مدل‌سازي داده‌ها به عنوان متغيرهاي تصميم‌گيري تعريف مي‌شوند در اين تحقيق مقادير بهينه اين پارامترها، توسط الگوريتم حشره آب‌سوار تعيين شده تا پيشبيني دما با دقت بالايي انجام شود و در جهت مقايسه روش پيشنهادي، از شبكه‌ عصبي پرسپترون چندلايه آموزش‌يافته با الگوريتم حشره آب سوار استفاده شده است. نتايج حاكي از ميانگين مربعات خطاي 0.0469 در روش پيشنهادي دارد.