کاربرد هوش مصنوعی در پیش‌بینی دمای هوای ماهیانه

دما یک موضوع بسیار مورد بحث در تغییرات آب و هوا بشمار می‌رود. پیش‌بینی دقیق دمای هوا به دلیل ماهیت پیچیده آن همواره با چالش همراه بوده است. این موضوع توجه به استفاده از پیشرفت ها در قابلیت های مدل سازی جلب کرده است. تا کنون پیش‌بینی دمای تهران با استفاده از تکنیک شبکه‌های عصبی مصنوعی (anns) انجام نشده است. این مطالعه به پیش‌بینی ماهیانه دمای هوا با استفاده از شبکه عصبی مصنوعی پرداخته می‌شود. علاوه بر این، پتانسیل الگوریتم بهینه سازی ازدحام ذرات (pso) برای بهبود دقت ann بررسی می‌شود. نتایج نشان می‌دهد که روش ann-pso عملکرد بهتری از روش ann دارد.

application of artificial intelligence in forecasting monthly air temperature

temperature is a much discussed issue in climate change. accurate forecasting of air temperature has always been a challenge due to its complex nature. this has drawn attention to the use of advances in modeling capabilities. so far, tehran temperature prediction has not been done using artificial neural networks (anns) technique. this study deals with the monthly prediction of air temperature using artificial neural network. in addition, the potential of particle swarm optimization (pso) algorithm to improve the accuracy of ann is investigated. the results show that the ann-pso method has a better performance than the ann method.