خلاصة:
توجه علمی به مخاطرات محیطی که آسیب پذیری بسیاری از کشورهای دنیا را به دنبال دارد، آغازی نسبتا تازه دارد. یکی از این خطرها یخبندانها می باشند که سبب زیانهای عظیمی در زمینه های کشاورزی، حمل و نقل، انرژی ، زیست محیطی و غیره شده است. جهت جلوگیری از خطرات ناشی از آنها استفاده از روش های پیش بینی امکان پیش آگاهی از حداقل دما و رخداد پدیده یخبندان را فراهم ساخته تا مسئولان در جهت جلوگیری از آن، اقدامات لازم را به عمل آورند. پیش بینی حداقل دما در منطقه خصوصا با روش های جدید از ضروریات انجام این تحقیق می باشد. با توجه به محدودیت هایی از قبیل عدم کفایت آمار موجود و خطای بالای روش های آماری معمول، در این تحقیق از شبکه های عصبی مصنوعی به عنوان یک روش کارآمد جهت پیش بینی کمینه دما استفاده شدهاست. ورودی مدل،آمار شاخص های اقلیمی SIBERIA، AO [1]، NAO [2]، TNA [3]، SOI [4]، PDO [5]، TNI [6]، NOI [7] ساعات آفتابی منطقه در بازه زمانی (2007–1973) و خروجی مدل داده های کمینه دما می باشد. در این تحقیق از دو روش پس انتشار feedforwardو Radial Basisاستفاده شده است. نتایج نشان داد که بین مدلهای مورد استفاده، Radial Basis (با ضریب همبستگی 98% و میزان خطای 48%) به عنوان بهترین مدل، نسبت به روش های آماری و مدل feedforward معمول می باشد و همچنین نسبت به دیگر تحقیقات انجام شده در این زمینه از میزان خطای پایین تری برخوردار است. همچنین تنها افزایش فاکتورهای ورودی شبکه عاملی برای افزایش کارایی نمی باشد بلکه استفاده از ورودی هایی که ارتباط معناداری با خروجی شبکه دارند نتایج بهتری را ایجاد خواهد کرد. در نهایت خروجی مدل بیانگر افزایش حداقل دما طی دوره آماری می باشد.
ملخص الجهاز:
پيش بيني دماي کمينه ايستگاه کرج با استفاده از داده هاي شاخص هاي پيوند از دور و شبکه عصبي مصنوعي هانيه شکيبا کارشناسي ارشد، گروه جغرافياي طبيعي (اقليم شناسي )، دانشگاه سيستان و بلوچستان ، زاهدان ، ايران محمود خسروي دانشيار گروه جغرافياي طبيعي (اقليم شناسي )، دانشگاه سيستان و بلوچستان ، زاهدان ، ايران تقي طاوسي استاد گروه جغرافياي طبيعي (اقليم شناسي)، دانشگاه سيستان و بلوچستان ، زاهدان ، ايران مهدي اژدري مقدم دانشيار، گروه عمران ، دانشگاه سيستان و بلوچستان ، زاهدان ، ايران تاريخ دريافت : ١٣٩٦/١٠/٢٩ تاريخ پذيرش :١٣٩٧/٣/٢٨ چکيده توجه علمي به مخاطرات محيطي که آسيب پذيري بسياري از کشورهاي دنيا را به دنبال دارد، آغازي نسبتاً تازه دارد.
بودري و سيرماک ١٥ (٢٠٠٣) به پيش بيني درجه حرارت هواي سطح (SAT) در ايستگاه اسپوريلاو پاراگوئه با استفاده از مدل شبکه عصبي پرداخته است به اين نتيجه رسيده که در مرحله آموزش زماني که دو دوره به صورت جداگانه آموزش داده شوند نتايج 1 1-Imran 11 - Pritpal and Bhogeswar 12 - Makkeasorn 13 - Parida 14 - Aussem 15 - Bodri and Cermak بهتري از اين مدل به دست خواهد آمد.
اين در حالي است که مطالعات داخلي پيشين عموماً با عدم مقايسه دقت مدل هاي مورداستفاده در روش شبکه عصبي مصنوعي و تعداد کمتر شاخص هاي پيوند از دور در بررسي تأثير و ارتباط آن با ميزان پيش بيني دماي کمينه مانند پژوهش حجازي زاده و همکاران (١٣٩٢) انجام شده اند.