مقایسه و پیش بینی تغییرات دمای سالانه ی تبریز با ناهنجاری های دمایی کره زمین با استفاده از روشهای رگرسیونی خطی و شبکه ی عصبی مصنوعی

در این تحقیق داده های مربوط به ناهنجاری های دمایی کره زمین و دمای متوسط سالانه ی ایستگاه تبریز در طی دوره ی آماری 2003-1915 مورد استفاده قرار گرفته اند . روشهای اصلی بکارگرفته شده دراین مطالعه عبارت از : روش تعیین ضریب همبستگی پیرسون ،‌ تحلیل مولفه ی روند سری زمانی ،‌رگرسیون خطی ساده ،‌رگرسیون پولی نومیال به عنوان یک روش نیمه خطی و شبکه های عصبی مصنوعی هستند . نتایج حاصل از کاربرد و تحلیل همبستگی پیرسون نشانگر همبستگی مثبت و مستقیم معنی داری بین دمای سالانه ی تبریز و ناهنجاری های دمایی کره زمین است . تحلیل مولفه روند بلند مدت سری های زمانی نشان می دهد که در طول دوره آماری بر دمای متوسط سالانه ی تبریز افزوده می شود .ناهنجاری های دمای کره زمین نیز روندی افزایشی از خود نشان می دهد . ارتباط دمای متوسط سالانه تبریز با گرمایش جهانی نیز با استفاده از شبکه های عصبی مصنوعی شبیه سازی شده است . نتایج حاصل از کاربرد روشهای مختلف در این مطالعه نشان می دهد که روش در شبکه عصبی مصنوعی مقایسه با روشهای رگرسیونی خطی ساده و رگرسیون نیمه خطی پولی نومیال درجه ی 6 ،‌روش بهتر و دقیق تری است .