اصلاح پیش‌بینی فرایند توفان حاره‌ای با انتخاب ویژگی‌‌‌های موثر

Abstract

انتخاب ویژگی‌های مناسب برای بررسی و پیش‌بینی هر کمیت جوًی مرتبط با یک پدیده هواشناسی از قبیل وقوع توفان حاره‌ای یکی از چالش‌های اساسی شناسایی سامانه و مدل‌سازی آن است. در این تحقیق روش‌های گوناگون استخراج ویژگی از قبیل جست‌وجوی پی‌در‌پی پیشرو، پسرو، معیار همبستگی متقابل، تحلیل مولفه‌های اصلی و تحلیل عامل‌های اصلی برای استخراج کمیت‌های مرتبط با سرعت باد در ارتفاع 10 متری از سطح زمین در زمان وقوع پدیده توفان حاره‌ای اعمال شده است. در این بررسی فقط داده‌های 45 متغیر متفاوت در محدوده فعالیت توفان حاره‌ای گونو که در اوایل ماه ژوئن 2007 منطقه دریای عرب، دریای عمان و خلیج فارس را در نوردید و خسارت زیادی را به جنوب و جنوب‌شرقی ایران، شرق کشور عمان وارد ساخت پردازش ‌شده‌ است. ازآنجاکه برای استفاده از شبکه عصبی و منطق فازی نیاز به داده‌های آزمون و اعتبار‌سنجی است از داده‌های توفان حاره‌ای یمین که در اواخر ماه ژوئن همان سال در خلیج بنگال و خلیج فارس شکل گرفت درحکم داده آزمون و از داده‌های توفان حاره‌ای نرجس که در اوایل ماه مه 2008 در خلیج بنگال رخ داده بود به‌منزله داده اعتبار‌سنجی استفاده شده است. کمیت‌های انتخابی نهایی بعد از استخراج ویژگی درحکم ورودی به شبکه <strong>استنباط فازی-عصبی تطبیقی</strong>(ANFIS) که خروجی آن سرعت باد در ارتفاع 10 متری از سطح زمین است داده شد و مقدار شاخص خطا در حالت‌های متفاوت آموزش شبکه تعیین و در داخل جدولی آورده شده است.