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

يكي از موضوعات مهم و كاربردي در دنياي امروز، پيش بيني وضعيت آب و هوايي است. پيش بيني وضعيت آب و هوايي باعث مي‌شود تا زيان و خسارات شرايط بحراني آب و هوايي كاهش داده شود. پيش بيني وضعيت آب و هوايي مي‌تواند در كاربردهاي مانند كشاورزي و حمل و نقل هوايي موثر باشد. براي پيش بيني وضعيت آب و هوايي نياز است كه اطلاعات محيطي براي يك دوره مشخص گردآوري شود و سپس اين اطلاعات به عنوان ورودي يك سيستم پيش بيني استفاده شود. براي پيش بيني وضعيت آب و هوايي در بيشتر مطالعات از روشهاي رگرسيون استفاده شده است. يكي از روشهاي كه مي‌توان براي يادگيري و پيش بيني آب و هوايي از آن استفاده نمود، شبكه‌هاي يادگيري عميق و از جمله شبكه عصبي كانولوشن مي‌باشد. يكي از چالش‌هاي مهم شبكه عصبي كانولوشن آن است كه انتخاب ويژگي را غير هوشمندانه و با استفاده از تعدادي عمليات كانولوشن انجام مي‌دهد. در اين مقاله براي بهبود دادن دقت پيش بيني شرايط آب و هوايي توسط شبكه عصبي كانولوشن، يك روش هوش گروهي ارايه شده است. در روش پيشنهادي در لايه اول به جاي آنكه از عمليات كانولوشن براي انتخاب ويژگي استفاده شود از تركيب شبكه عصبي چند لايه و الگوريتم حشره آبسوار براي انتخاب ويژگي استفاده مي‌شود. انتخاب هوشمندانه ويژگي در لايه اول شبكه كانولوشن، دقت آن را در پيش بيني وضعيت آب و هوايي افزايش مي‌دهد. ارزيابي‌ها با استفاده از مجموعه داده‌هاي مرتبط با شرايط آب و هوايي نشان مي‌دهد روش پيشنهادي داراي دقت و حساسيتي به ترتيب برابر 96.32% و 96.14% در پيش بيني آب و هوا است. روش پيشنهادي نسبت به شبكه يادگيري عميق CNN، توانسته دقت پيش بيني را در حدود 8.35% افزايش دهد.