پیش بینی دماهای ماهانه ایستگاه های منتخب استان اصفهان با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه

نویسندگان

1 گروه جغرافیا دانشگاه آزاد اسلامی واحد نجف آباد

2 دانشگاه اصفهان

چکیده

پیش بینی دما یکی از مهمترین پیش بینی های هواشناسی است. امروزه بخشهای کشاورزی و صنعت وابستگی زیادی به شرایط دمایی(آب و هوا)دارند. دما نیز در کنار بارش یکی از فراسنج های بسیار مهم آب و هوایی است و از عوامل اصلی در پهنه بندی و طبقه بندی آب و هوایی به حساب می آید. هدف از انجام این تحقیق پیش بینی میانگین دمای ماهانه ایستگاه های منتخب استان اصفهان میباشد که پس از تعیین موقعیت و بررسی دوره آماری موجود سه ایستگاه همدید ازن سنجی اصفهان، شرق اصفهان و کاشان انتخاب شدند. برای بررسی و پیش بینی دمای ماهانه از مدل شبکه عصبی مصنوعی استفاده شد. شبکه های عصبی مصنوعی توانایی زیادی در شبیه سازی و پیش بینی عناصر جوی وآب و هوایی دارند. شبکه عصبی مصنوعی یکی از قدرتمندترین مدلهایی است که قادر به دریافت و نمایش پیچیده روابط ورودی و خروجی داده ها می باشد. یکی از پرکاربردترین مدلهای شبکه عصبی مدل پرسپترون چند لایه(MLP) میباشد. برای تعیین بهترین ورودی های شبکه پس از سعی و خطای بسیار در نهایت ساختاری با استفاده از میانگین دمای 7 ماه قبل برای پیش بینی دمای ماه بعدی انتخاب گردید. بدین ترتیب دمای ماهانه برای 24 ماه آینده پیش بینی شد که در این حالت بهترین همبستگی را بین داده ها نشان داد .بدین منظور از نرم افزار مت لب 2013 استفاده شده و برنامه نویسی در این محیط صورت گرفت. در تمام ساختار های شبکه از یک لایه پنهان متشکل از 30 نرون استفاده شد. تمامی ایستگاه ها با یک لایه پنهان به جواب رسیدند و نیازی به افزایش تعداد لایه های پنهان تشخیص داده نشد. برای آموزش شبکه از الگوریتم مارکوارت –لونبرگ استفاده شد و تمامی شبکه ها با تابع محرک تانژانت هیپربولیک به جواب مطلوب رسیدند.در نتیجه میتوان گفت استفاده از این مدل در پیش بینی دمای ماهانه موفقیت آمیز بود.

کلیدواژه‌ها

عنوان مقاله [English]

Anticipated monthly temperatures for selected stations in Isfahan Province Using Artificial Neural Network Multi-layer Perceptron

نویسندگان [English]

  • Hamid Reza Azizi 1
  • Majid Montazeri 2
چکیده [English]

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.

کلیدواژه‌ها [English]

  • Forcasting
  • Monthly temperature
  • artificial neural network
  • Isfahan province

فایل ها

هم رسانی

ارجاع به این مقاله

آمار