پيش بيني دماي هوا با استفاده از شبكه هاي عصبي تركيبي ماژولار

پيش بيني دقيق هوا در علم هواشناسي بسيار حياتي بوده و به علت طبيعت بي نظم جو و پويا بودن آن، هميشه اين موضوع، يك چالش مهم و بحث برانگيز بوده است. مدل هاي عددي موجود براي پيش بيني جوي خيلي دقيق عمل نمي كنند. در نتيجه در اين زمينه نياز به مدل هاي دقيق تري وجود دارد تا بتوان نتايج دقيق تر و بهتري را به دست آورد. در اين مقاله مدلي تركيبي از پيش پردازش داده و شبكه عصبي ماژولار براي پيش بيني دماي هوا در شهر تهران ارائه مي شود. در اين مدل ابتدا با استفاده از روش step wise ويژگي هاي مناسب استخراج مي شود و سپس با شبكه بهبود يافته نگاشت خود سازمنده (SOM) به وسيله بهينه سازي ازدحام پرندگان(PSO)، داده هاي مناسب براي هر شبكه توليد مي شود. مدل ماژولار مورد نظر از چهار شبكه Radial Basis Function Network (RBFN) ،Multilayer Perceptron Network (MLPN) ، Generalized Regression Neural Networks (GRNN) و Distributed Time-Delay Neural Network (DTDNN) ساخته شده است. داده هاي مورد استفاده شامل شش ويژگي نقطه شبنم، رطوبت، فشار سطح دريا، ديد، سرعت باد و بارندگي است و دما براي روز بعد پيش بيني مي شود. كارايي اين مدل با مدل هاي ديگر مقايسه مي شود و نتايج نشان مي دهد كه اين مدل عملكرد خوبي داشته است