پیشبینی پارامتر های هواشناسی بوسیله سیستم فازی تطبیق پذیر

پیش بینی فرایندهای طبیعی که رفتار دقیقی ندارند همواره یکی از زمینه های مورد علاقه انسان بوده است تا بتواند با اطلاع قبلی از اتفاق پیش رو برنامه ریزیهای بهتری برای خود انجام دهد. یکی از ابزارهای بسیار قدرتمند در این راستا سیستم های هوشمند به ویژه شبکه های فازی-عصبی می باشند. در این مقاله قصد داریم تا با استفاده ازاین ساختار به پیش بینی میزان مطلق رطوبت هوا بپردازیم. برای آموزش پارامترهای قسمت تالی شبکه فازی- عصبی از روش گرادیان نزولی و برای پارامترهای قسمت مقدم شبکه ازالگوریتم ژنتیک استفاده شده است به صورتی که تابع هزینه با هدف کمینه شدن مجموع مربعات خطا در نظر گرفته شده است.همچنین در این مقاله برای آموزش پارامتر های غیرخطی قسمت مقدم از الگوریتم ژنتیک استفاده شدهاست به صورتی که تابع هزینه با هدف کمینه شدن مجموع مربعات خطادر نظر گرفته شده است. همچنین در این مقاله برای آموزش پارامتر هایغیرخطی قسمت مقدم از الگوریتم ژنتیک بهره برده شده است.

prediction of meteorological parameters by fuzzy acceptance matching system

predicting natural processes that do not behave accurately has always been one of the areas of human interest so that he can make better plans for himself with prior knowledge of what is happening. one of the most powerful tools in this regard are intelligent systems, especially fuzzy-neural networks. in this article, we intend to use this structure to predict the absolute amount of air humidity. the descending gradient method has been used to teach the parameters of the tali part of the fuzzy-neural network and the genetic algorithm has been used for the parameters of the front part of the network so that the cost function is considered with the aim of minimizing the sum of squares of error.