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