چکیده

پیش بینی هوا در چند دهه گذشته به یک زمینه مهم تحقیقاتی تبدیل شده است. در بیشتر موارد محقق سعی در ایجاد رابطه ای خطی بین داده‌های ورودی هوا و داده‌های مربوطه داشته است. اما با کشف غیر خطی بودن در ماهیت داده‌های آب و هوا، تمرکز به سمت پیش بینی غیرخطی داده‌های آب و هوا تغییر یافته است. اگرچه مقالات زیادی در آمار غیرخطی برای پیش بینی هوا وجود دارد، اما بیشتر آنها مستلزم آن است که مدل غیرخطی قبل از انجام برآورد مشخص شود. اما از آنجا که داده‌های آب و هوایی غیرخطی هستند و روند بسیار نامنظمی را دنبال می کنند، شبکه عصبی مصنوعی به عنوان تکنیکی بهتر برای ایجاد رابطه ساختاری بین موجودات مختلف تکامل یافته است. این مقاله با استفاده از مدل های پیش بینی کننده غیرخطی موثر و قابل اعتماد برای تجزیه و تحلیل هوا، کاربرد روش ANN را بررسی می کند و همچنین عملکرد مدل های توسعه یافته را با استفاده از توابع انتقال مختلف، لایه های پنهان و نورون ها برای پیش بینی حداکثر، دما برای 365 روز سال شهر تبریز مقایسه و ارزیابی می کند. نتایج آزمایشی نشان می دهند الگوریتم پیشنهادی در مقایسه با سایر مدل های پایه بهتر عمل می کند.

کليدواژه ها

شبکه عصبی عمیق؛ شبکه های عصبی با حافظه کوتاه مدت ؛ شبکه عصبی بازگشتی؛ فیلترینگ داده‌های گم شده داده‌های هواشناسی

کد مقاله / لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :

نحوه استناد به مقاله

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رویا زارع فرخادی , 1400 , پیش بینی دمای هوای شهر تبریز با استفاده از شبکه عصبی کوتاه مدت مبتنی بر فیلترینگ داده‌های گم شده , بیستمین کنفرانس ملی دانشجویی مهندسی برق ایران