طبقه‌بندی دمایی ایستگاه‌های هواشناسی کشور با استفاده از خوشه‌بندی فازی و شبکه عصبی مصنوعی کوهونن

Abstract

چکیده <br />طبقه­­بندی ایستگاه­های هواشناسی موجب اختصاص حجم زیادی از اطلاعات به چند دسته متجانس کوچک<span style="font-family: Times New Roman;">­</span>تر، سهولت استفاده در مدل­سازی و هم<span style="font-family: Times New Roman;">­</span>چنین کمک شایانی به گسترش اطلاعات نقطه­ای به اطلاعات منطقه­ای برای نقاط فاقد آمار می­نماید. در این تحقیق 112 ایستگاه هواشناسی پس از بررسی­های اولیه از بین تمام ایستگاه­های سینوپتیک کشور انتخاب و سپس با استفاده از خوشه­بندی فازی و شبکه عصبی مصنوعی کوهونن طبقه­بندی دمائی آنها مورد بررسی قرار گرفت. میانگین دمای سالانه، طول جغرافیایی، عرض جغرافیایی و ارتفاع ایستگاه­ها به­عنوان پارامترهای ورودی معیارهای طبقه­بندی در نظر گرفته شدند. تعداد بهینه خوشه­ها با استفاده از شاخص دیویس-بولدین، محاسبه و ایستگاه­های هر خوشه به تفکیک مشخص و با کمک سیستم اطلاعات جغرافیائی روی نقشه مشخص گردید. در ادامه از پهنه­بندی اقلیمی کشور بر اساس روش دمارتن جهت ارزیابی دقت هر دو روش استفاده گردید. هر چند نتایج حاکی از دقت قابل قبول هر دو روش می­باشد، لیکن خوشه­بندی فازی تا حدودی نسبت به شبکه عصبی کوهونن انطباق بهتری را با پهنه­های اقلیمی حاصل از روش دمارتن نشان می­دهد