بانک مقالات جغرافیا

با توجه به تغييرات اقليمي، گرمايش جهاني و خشكسالي هاي اخير، پيش بيني دماهاي حداكثر به عنوان يكي از مهمترين پارامترهاي اقليمي فرصت مناسبي را براي برنامه ريزي و ارائه تمهيدات لازم در اختيار برنامه ريزان قرار مي دهد. بررسي و تحليل دماهاي حداكثر به عنوان يکي از پارامترهاي اقليمي در مديريت منابع آبي و طبيعي، كشاورزي، گسترش آفات و بيماري ها، ذوب برف و سيلاب، تبخير و تعرق، خشكسالي و غيره اهميت زيادي دارد. امروزه با گسترش مدل هاي هوشمند و تجربي در علوم مختلف، از جمله اقليم شناسي و لزوم پيش بيني هاي دقيقتر، جايگزيني آنها به جاي مدل هاي قديمي اهميت پيدا مي كند. يكي از اين روش ها، شبكه هاي عصبي مصنوعي از مولفه هاي هوش مصنوعي است كه يكي از مهمترين كاربردهاي آن در زمينه علوم جوي، پيش بيني و محاسبه پارامترهاي اقليم شناسي است. در اين تحقيق با استفاده از متغيرهاي ميانگين رطوبت نسبي، ميانگين سرعت باد، مجموع ساعات آفتابي، ميانگين حداقل و حداکثر دماي ماهانه به عنوان ورودي شبكه پرسپترون چندلايه (MLP)، ميانگين حداکثر دماي ماهانه ايستگاه سينوپتيك اردبيل پيش بيني شد. پارامترهاي مذکور سال هاي آماري 1985 تا 2005 را در بر مي گيرند. از 21 سال دوره آماري موجود، حدود 85 درصد آن يعني 18 سال (216 ماه) براي آموزش شبکه و 3 سال (36 ماه) باقيمانده در مرحله آزمون شبکه به کار برده شده است. بدين منظور از امكانات و توابع موجود در نرم افزار MATLAB بهره گرفته شد و براي هر ماه يك شبكه با خطاي کمتر از 5 درصد طراحي گرديد. پس از بررسي شاخص هاي عملكرد شبكه، از جمله ضريب تعيين، مجذور ميانگين مربعات خطا، ميانگين مربعات خطا، ميانگين مطلق خطا، ميانگين درصد خطا و ضريب همبستگي مشاهده شد كه پيش بيني دماي حداكثر با دقت قابل قبولي انجام شده است؛ به گونه اي كه ميزان ضريب همبستگي آن 0.99 و بيشترين اختلاف آن با داده هاي واقعي برابر 0.83 درجه سانتيگراد بوده است.

 نسخه قابل چاپ