چکیده مقاله
پیش بینی دما به عنوان یکی از مهم ترین پارامترهای اقلیمی در حوزه های مختلف مدیریت منابع آب خشکسالی ها مطالعات زیست محیطی خطر سیلاب و غیره از اهمیت ویژه ای برخوردار است مدل پرسپترون چند لایه MLP یکی از پرکاربرد ترین مدل های شبکه های عصبی مصنوعی در زمینه پیش بینی عناصر جوی و اقلیمی می باشد در این تحقیق با استفاده از اطلاعات معدل حداکثر دمای سالانه به عنوان ورودی شبکه پرسپترون چند لایه میانگین دمای سالانه در 5 ایستگاه سینوپتیک استان لرستان پیش بینی شد پارامترهای مذکور سال های آماری 1350تا1392 را شامل می شوند بدین منظور از امکانات و توابع موجود در محیط نرم افزار نروسولوشن استفاده شد و برای هر ایستگاه مدل های مختلفی طراحی گردید ارزیابی عملکرد مدل توسط معیارهای اماری از جمله ضریب همبستگی میانگین درصد خطا میانگین مربعات خطا میانگین مطلق خطا ضریب تبیین و مجذور میانگین مربعات خطا تعیین شد به علت اینکه پیش بینی ها در ایستگاه ها صورت می گیرد در نهایت جهت مدلسازی مکانی متوسط دمای سالانه در محدوده مورد مطالعه از سامانه اطلاعات جغرافیاییGIS استفاده شد نتایج نشان دهنده کارآیی مناسب و قابل قبول شبکه های عصبی مصنوعی در پیش بینی میانگین دما سالانه می باشد بطوریکه متوسط ضریب تبیین برابر 0/95 و متوسط میانگین مربعات خطای مدل برابر با 0/29 درصد است بدین ترتیب می توان با استفاده از این روش پارامترهای دمایی را به صورت قابل قبولی پیش بینی و مدلسازی نمود
کلیدواژهها
نویسندگان
شیوه ارجاع
�مدی رحیم، علی و یوسفوند، فاطمه و یونسی، محبوبه و یونسی، حجت الله،1394،پیش بینی پارامترهای هواشناسی توسط تلفیق سیستم های هوشمند و سامانه اطلاعات جغرافیایی مطالعه موردی استان لرستان،اولین کنفرانس ملی مهندسی فناوری اطلاعات مکانی،تهران
ارائهشده در
مجموعه مقالات اولین کنفرانس ملی مهندسی فناوری اطلاعات مکانی29 دی 1394 · تهران