تعیین اثر پیش ‏پردازش داده بر عملکرد شبکۀ عصبی مصنوعی به‏منظور پیش‏ بینی بارش ماهانه در شهرستان آباده

Abstract

توابع تبدیل صورت می‏گیرد. در پژوهش حاضر با استفاده از اطلاعات میانگین بارش ماهانه، کمترین و بیشترین دما و رطوبت ایستگاه سینوپتیک شهرستان آباده در بازۀ زمانی 1355 تا 1392 به‏صورت نرمال‏شده و خام به‏عنوان ورودی‏های شبکۀ پرسپترون چند‏لایه، بارش ماه آیندۀ شهرستان پیش‏بینی شد. برای نرمال‏سازی داده‏های هواشناسی، پس از بررسی وجود داشتن یا نداشتن داده‏های گم‏شده و پرت از سه روش نرمال‏سازی مینیمم‌ـ ماکزیمم، رتبه‏ای و آمارۀ نرمال استاندارد استفاده شد. پس از به‏دست‏آوردن بهترین ساختار شبکه با استفاده از آزمون ‏و ‏خطا برای هر روش از مقایسۀ بهترین ساختارهای هر روش با یکدیگر، روش مینیمم‌ـ ماکزیمم با ساختار شبکۀ سه‏لایه و تعداد 13 نورون در لایۀ پنهان با مقدار 92/0=R و 12/0=MSE در مقایسه با دیگر روش‏ها به‏عنوان بهترین روش انتخاب شد. نتایج آنالیز حساسیت انجام‏شده نیز نشان داد مدل به حذف پارامتر بیشترین رطوبت بیشتر از سایر پارامترها حساسیت نشان داد. پس از آن نیز دمای حداکثر بیشترین تأثیر را بر پیش‏بینی بارش داشت. همچنین مقایسۀ عملکرد شبکه با تعداد ورودی‏های مختلف نشان داد شبکه با داشتن دو ورودی شامل کمترین دما و رطوبت با مقدار 13/0= MSE در مواقعی که کمبود داده وجود دارد نسبت به‏تعداد پنج ورودی به‏ نتیجۀ خوبی رسید. <strong> </strong> <strong> </strong>