مدلسازی دماهای بیشینهی فصل زمستان در شهرستان سردشت با استفاده از مدل شبکه عصبی پرسپترون چند لایهMLP

در این پژوهش جهت مدلسازی دمای بیشینه فصل زمستان در شهرستان پیرانشهر از مدل شبکه عصبی پرسپترون جند لایه (MLP) استفاده شد. منابع اطلاعاتی و آماری از شبکه ایستگاه های هواشناسی سینوپتیک سردشت دریافت گردیدو پس از تعیین عناصر تاثیرگذار بر دمای منطقه به ماتریسبندی داده ها جهت ورود به شبکه عصبی مصنوعی پرداخته شد. نتایج حاصل بیانگر آن است که، یک شبکه پیشخور از نوع پرسپترون چندلایه (MLP)، توابع سیگموییدی و خطی و الگوریتم لونبرگ -مارکوارت (LM) کارآترین شبکه میباشد. در واقع شبکه های طراحی شده توانستند دمای بیشینه را با حداکثر اختلاف 0/42 درجه سلسیوس با داده های واقعی بپیش بینی کنند. به طوری که، میزان همبستگی داده های مشاهداتی و پیش بینی شده به 0/99 رسیده که در سطح یک درصد نیز معنی دار گشتند. نتایج حاصل از ارزیابی عملکرد مدل طراحی شده نشان میدهد که، مدلهای طراحی شده برای سردشت، دارای خطای کم و همچنین همبستگی و ضریب تعیین بالایی هستند

کلیدواژه ها:

مدل سازی ، شبکه عصبی ، بیشینه ی دما ، سردشت ، پرسپترون