مدل¬سازی دمای ماهانه با استفاده از محاسبات نرم (مطالعه موردی: استان آذربایجان شرقی)

مدل¬سازی دمای ماهانه با استفاده از محاسبات نرم (مطالعه موردی: استان آذربایجان شرقی)

سامان معروفپور1 پروا محمدی2 هادی ثانی خانی3

1) ¬دانشجوی کارشناسی ارشد مهندسی منابع آب ، دانشگاه تبریز، Email:
2) ¬دانشجوی کارشناسی ارشد مهندسی منابع آب ، دانشگاه تبریز، Email:
3) ¬استادیار گروه مهندسی آب دانشگاه کردستان، Email:

کد IOI مقاله : XYAA-ZBCBD
محل انتشار : دومین کنفرانس بین المللی توسعه پایدار، راهکارها و چالش ها با محوریت کشاورزی ، منابع طبیعی، محیط زیست و گردشگری(2icsda.ir)
چکیده :
    در این مقاله به بررسی توانایی دو روش از مدل¬های داده-مبنا برای مدل¬سازی بلند مدت ماهانه دما بدون داده¬های اقلیمی پرداخته شد که از مدل¬های شبکه عصبی مصنوعی(ANN) و سیستم فازي- عصبی تطبیقی(ANFIS) جهت مدل¬سازی استفاده گردید. به منظور پیش¬بینی¬بلند مدت ماهانه دما، داده¬های 10 ایستگاه دراستان آذربایجان شرقی انتخاب گردید که ضریب فصلی (شماره ماه)، عرض جغرافیایی، طول جغرافیایی و ارتفاع ایستگاه¬ها به عنوان ورودی به مدل¬ها معرفی شدند. برای مدل¬های شبکه های عصبی مصنوعی، فازی- عصبی از نوع افراز شبکه و فازی عصبی از نوع دسته¬بندی تفریقی، حداکثر مقادیر ضریب تبیین (R2) به ترتیب 9986/0، 9988/0 و 9985/0 در ایستگاه کلیبر مشاهده شد. محدوده مقدار ریشه میانگین مربعات خطا (RMSE) برای مدل شبکه عصبی مصنوعی، فازی- عصبی از نوع افراز شبکه و فازی عصبی از نوع دسته¬بندی تفریقی 5211/0 - 039/2، 5275/1- 2243/3، 5089/2 - 1663/3 درجه سانتیگراد به دست آمد. حداقل مقدار ریشه میانگین مربعات خطا در مدل¬های شبکه عصبی مصنوعی و فازی عصبی از نوع دسته¬بندی تفریقی در ایستگاه کلیبر و برای مدل فازی- عصبی از نوع افراز شبکه در ایستگاه مراغه به دست آمده است نتایج پیش¬بینی دمای طولانی مدت ماهانه نشان داد که عملکرد مدل شبکه عصبی مصنوعی در دوره آزمون بهتر از مدل سیستم فازي-عصبی تطبیقی بوده است

کلمات کلیدی : مدل¬سازی شبکه عصبی مصنوعی سیستم فازي عصبی تطبیقی دما