پيش بيني دماهاي ماهانه ايستگاه هاي همديد منتخب استان اصفهان، با استفاده از شبكه عصبي مصنوعي پرسپترون چندلايه

Anticipated Monthly Temperatures for Selected Stations in Isfahan Province Using Artificial Neural Network Multi-layer Perceptron

پيش بيني دما از كاربردي ترين برآوردهاي عناصر آب و هوايي است. امروزه بخش هاي كشاورزي و صنعت وابستگي زيادي به شرايط دمايي (آب و هوا) دارند. دما يكي از فراسنج هاي بسيار مهم آب و هوايي است و از عوامل اصلي هويت آب و هوايي هر ناحيه محسوب مي شود. هدف از انجام اين پژوهش، مدل سازي براي پيش بيني ميانگين دماي ماهانه ايستگاه هاي منتخب استان اصفهان است؛ از اين رو، پس از بررسي طول دوره آماري ايستگاههاي موجود در استان، سه ايستگاه همديد ازن سنجي، شرق اصفهان و كاشان انتخاب شدند. از آنجا كه روش شبكه عصبي مصنوعي، توانايي زيادي در شبيه سازي و پيش بيني عناصر جوي و آب و هوايي؛ بويژه دما دارند، براي مدل سازي و پيش بيني دماي ماهانه از اين روش استفاده شد. شبكه عصبي مصنوعي، يكي از قدرتمندترين مدل هايي است كه قادر به دريافت و نمايش پيچيده روابط ورودي و خروجي داده هاست. يكي از پركاربردترين مدلهاي شبكه عصبي مدل پرسپترون چندلايه (MLP) است. براي تعيين بهترين ورودي هاي شبكه، پس از سعي و خطاي بسيار در نهايت ساختاري با استفاده از ميانگين دماي 7 ماه قبل براي پيش بيني دماي ماه بعدي انتخاب شد. بدين ترتيب، دماي ماهانه براي 24 ماه آينده پيش بيني شد كه در اين حالت بهترين همبستگي را بين داده ها نشان داد. بدين منظور، از نرم افزار متلب 2013 بهره گرفته شد. در تمام ساختارهاي شبكه از يك لايه پنهان متشكل از 30 نرون استفاده شد. تمامي ايستگاه ها با يك لايه پنهان به جواب رسيدند و نيازي به افزايش تعداد لايه هاي پنهان تشخيص داده نشد. براي آموزش شبكه از الگوريتم ماركوارت– لونبرگ استفاده شد و تمامي شبكه ها با تابع محرك تانژانت هيپربوليك به جواب مطلوب رسيدند. نتايج نشان داد كه مدل شبكه عصبي مصنوعي با دقت بالايي قادر به پيش بيني دماي ماهانه است

Forecasting of temperature is a very important in meteorology. Air temperature prediction is of a concern in environment, industry and agriculture. Temperature with precipitation are important factors in meteorology and are used in classification of climate. In this paper we want to predict average monthly temperature for chosen station of Isfahan province. An Artificial Neural Network is a powerful data modeling tool that is able to capture and represent complex input /output relationships. Most of the forecasters use a multilayer perceptron network. In this paper for forecasting of monthly average temperature of selection station of Isfahan province we used multilayer perceptron network. we worked on three station. Isfahan, East of Isfahan and Kashan were our stations. We used average temperature of 7 month before for forecasting next month temperature. Thus, we could forecast monthly temperature for 36 month later, in this situation we had the best correlation between data. In this paper we used Matlab software 2013. In all structure of network ,there was a hidden layer with 30 neurons. All stations with hidden layer got answers. For training network used Levenberg –Marquardt algorithm. All network with motivation function got answer with Hiperbolik tangent. In results we found this model was good for prediction.