مدل‌سازي و پيش‌بيني درازمدت دماي ميانگين ماهانه اروميه به روش شبكه عصبي با الگوريتم آموزش تنظيم بيزي (MLP-BR)

هدف از اين پژوهش استفاده از شبكه عصبي پرسپترون چندلايه با الگوريتم آموزش تنظيم بيزي جهت مدل‌سازي ‌دما در ايستگاه سينوپتيك اروميه است. جهت مدل‌سازي سري زماني و پيش‌بيني دماي ماهانه‌ي اين ايستگاه از آمار سال‌هاي 1964 تا 2017 استفاده شد. در فرايند مدل‌سازي از 70% اطلاعات جهت آموزش، 15% اعتبارسنجي و 15% در مرحله آزمون استفاده شد. از سه تابع انتقال Hardlim، Satlin و Logsig استفاده شد. از نمايه RMSE و R جهت سنجش عملكرد مدل‌ها استفاده شد. براي مقايسه عملكرد توابع از دياگرام تيلور استفاده شد كه نتايج حاكي از برتري دو تابع Satlin و Logsig به نسبت Hardlim بوده است. در نهايت با نمايه RMSE معادل 7/1 درجه ‌سانتي‌گراد و نمايه R معادل 98/0 و دقت بسيار بالايي مدل MLP-BR جهت پيش‌بيني دما گزارش شد. از مدل مستخرج مقادير ميانگين دماي ماهانه طي سال‌هاي 2018 تا 2022 پيش‌بيني شد. نتايج حاكي از افزايشِ سريع گرم شدن منطقه مورد مطالعه نسبت به دوره تاريخي است. به‌طوري‌كه در دوره پيش‌بيني به‌اندازه بيش از 2 درجه سلسيوس به دما در هر دهه افزوده خواهد شد. با توجه به وابستگي شديد متغيرهاي موثر بر تبخير و تعرق به دما، مديريت صحيح منابع آب شرب، صنعت و كشاورزي در اين منطقه مهم است.