عملکرد نظریه آشوب در پیش بینی های هواشناسی ‏( مطالعه موردی-اقلیم معتدل تهران)‏

عملکرد نظریه آشوب در پیش بینی های هواشناسی ‏( مطالعه موردی-اقلیم معتدل تهران)‏

میترا مصباح زاده1 سهراب حجام2 عبداله صداقت کردار3

1) دانشجوی کارشناسی ارشد،دانشگاه ازاد اسلامی واحد علوم تحقیقات
2) ‏دانشیار، عضو هيأت علمي دانشگاه ازاد اسلامی واحد علوم تحقیقات
3) ‏دانشیار، عضو هيأت علمي دانشگاه پژوهشکده

کد IOI مقاله : XYCZ-AAHHK
محل انتشار : کنفرانس بین المللی مهندسی و علوم کاربردی(iceasconf.com)
چکیده :
    پیش بینی دقیق، جهت مهیا ساختن بستر مناسب برنامه ریزی در مدیریت منابع آبی و ‏مدیریت بحران در هواشناسی حائز اهمیت ‏فراوان است و نیاز به استفاده از روش هایی با صحت ‏بالا و به روز کردن مدل های پیش بینی در اولویت قرار دارد. در امر پیش ‏بینی، بررسی بر روی پارامترهای اقلیمی‎ ‎‏ و هیدرولوژی به صورت سری زمانی با روند غیر خطی مطرح می شود. این پژوهش به ‏مقایسه عملکرد سیستم های هوشمند مبتنی بر روش های غیر خطی، نظریه اشوب و شبکه عصبی در براورد بارش ماهیانه در ‏اقلیم معتدل تهران می پردازد. نتایج سیستم شبکه عصبی و روش های پیش بینی موضعی و نزدیک ترین همسایگی نشان می ‏دهند که روش های مبتنی بر اشوب نه تنها به دامنه تغییرات داده ها حساس می باشند بلکه طول داده ها و نگرش به ‏روند بررسی ‏داده ها وابسته به شرایط نیز بر نتایج تاثیر گذار است.‏ ارزیابی نتایج نشان می دهد‎ ‎که پیش بینی های اشوبی از دقت قابل قبول و ‏صحت بسیار بالایی برخوردار هستند و نظریه اشوب در مقایسه با شبکه عصبی در اقلیم معتدل نتایج بهتری را ارائه نموده است. ‏نظریه اشوب با در نظرگیری ماهیت داده، اقلیم مورد بررسی و همچنین توجه به روند مورد نیاز در پیش بینی پارامتر هواشناسی ‏مورد مطالعه می تواند نتایج بسیار خوبی را ارائه دهد. استفاده از این نظریه با توجه به حساسیت پیش بینی های اب و هواشناسی ‏بسیار کارامد و مفید می باشد.‏

کلمات کلیدی : ‏ نظریه اشوب شبکه عصبی ‏anfis نزدیک ترین همسایگی پارامتر هواشناسی