پیش‌بینی تغییرات دما در بندرعباس و جزیره قشم با استفاده از مدل شبکه عصبی

پیش‌بینی دما به عنوان یک پارامتر اقلیمی مهم در زمینه‌های اقتصادی و مطالعات زیست محیطی، مخاطرات محیطی و... از اهمیت زیادی جهت جلوگیری از خسارات احتمالی در آینده برخوردار است. مدل شبکه عصبی پرسپترون چند لایه کاربردهای زیادی در زمینه پیش‌بینی اقلیمی دارد. در این پژوهش با استفاده از اطلاعات میانگین دمای ماهانه ایستگاه‌های بندرعباس با طول دوره آماری 28 ساله (2012 – 1984) و جزیره قشم با طول دوره آماری 16 ساله (2012 – 1996) به عنوان ورودی‌های شبکه پرسپترون چند لایه و سال 2012 به عنوان صحت سنجی مدل انتخاب گردید. هدف پژوهش مدل سازی دمای میانگین ماهانه در بندرعباس و جزیره قشم با استفاده از شبکه عصبی مصنوعی و همچنین مقایسه نتایج و تعیین بهترین روش جهت بررسی تغییرات دمایی در آن جا می‌باشد. روش‌های اصلی به کار گرفته شده در این مطالعه عبارتند از: روش تعیین ضریب همبستگی پیرسیون، شبکه عصبی مصنوعی پرسپترون چندلایه. نتایج نشان می‌دهد که میانگین مطلق خطا و مجذور و مربعات خطا به صفر نزدیک بوده، یعنی شبکه طراحی شده می‌تواند دمای واقعی را حتی با کمتر از 1 درجه سانتی گراد اختلاف برآورد کند. نتایج حاصل از مدلسازی دمای میانگین بندرعباس دارای ضریب تعیین 947/0 = r^2و جزیره قشم 926/0 = r^2می‌باشد.