مطالعه روند تغییرات فرین‌های دمای شهرهای منتخب با استفاده از مدل شبکه عصبی مصنوعی

هدف از تحقیق حاضر مطالعه و پیش‌بینی دماهای حدی مخاطره‌آمیز، در بعضی از شهرهای مرکزی ایران می‌باشد که برای این کار از داده‌های حداقل و حداکثر دما پانزده ایستگاه هواشناسی (شهرهای: اصفهان، شهرضا، نطنز، نائین، اردستان، سمنان، شاهرود، گرمسار، دامغان، یزد، بافق، گاریز، میبد، قم و سلفچگان) در منطقه مورد مطالعه برای بازه زمانی (2019 - 1999) با استفاده از روش نوآورانه مدل‌های شبکه عصبی مصنوعی هیبرید و شبکه عصبی تطبیقی anfis انجام شد و در نهایت برای اولویت‌سنجی مناطق بیش‌تر در معرض افزایش دما، از مدل‌های تصمیم‌گیری چند متغیره نوین تاپسیس و ساو استفاده شد. نتایج پژوهش نشان داد که با توجه به مدل‌سازی صورت گرفته براساس مدل شبکه عصبی تطبیقی anfis برای پیش‌بینی فرین‌های دمای ایستگاه‌ها، کم‌ترین میانگین خطای آموزشی و میانگین خطای اعتبارسنجی برای حداقل دما به ترتیب با مقدار 0.01 برای ایستگاه یزد و 1.66 درصد برای ایستگاه دامغان به دست آمد. و کم‌ترین میانگین خطای آموزشی و میانگین خطای اعتبارسنجی برای حداکثر فرین دمای به ترتیب با مقدار 0.016 برای ایستگاه گرمسار و 9.39 درصد برای ایستگاه شاهرود به دست آمد. حداکثر فرین دمای براساس مدل تاپسیس دو ایستگاه گرمسار و بافق به ترتیب با درصد 1 و 0.96، در اولویت بیش‌تر در افزایش دما قرار خواهند داشت و براساس مدل ساو دو ایستگاه گرمسار و سلفچگان به ترتیب با درصد 1 و 0.98، بیش‌ترین احتمال را در معرض افزایش دما را به خود اختصاص دادند.

study of the change trend in selected cities temperature extremes using artificial neural network model

the aim of the current research is to study and predict hazardous extreme temperatures in some cities of central iran, for this purpose the minimum and maximum temperature data of 15 meteorological stations (cities: esfahan, shahreza, natanz, nain, ardestan, semnan, shahroud, garmsar, damghan, yazd, bafaq, gariz, meibod, qom and salafchagan) were collected for the time period (1999 - 2019) and analyzed using the innovative method of hybrid artificial neural network and anfis adaptive neural network model. finally, topsis and saw multi-variable decision-making models were used to prioritize more exposed areas of temperature increase. the results of this study showed that according to anfis modelling for predicting station temperatures, the lowest mean educational error and the average error of validation for the minimum temperature, with a value of 0.010 was for the station yazd and 1.66% for damghan station. the lowest mean educational error and the mean error of validation for the maximum temperature curve were obtained at 0.016 for garmsar station and 9.39% for shahroud station, respectively. the maximum temperature fringe based on the topsis model of two stations of garmsar and bafgh with a percentage of 1 and 0.96, will be in higher priority with increasing temperature. based on the saw model, garmsar and salafchegan stations with the highest percentages i.e., 1 and 0.98, respectively, were exposed to higher temperatures.