استفاده از رویکرد شبکه عصبی مصنوعی جهت پیشبینی کوتاهمدت سرعت باد )مطالعه موردی: ایستگاه هواشناسی جیرفت(

سرعت باد یکی از متغیرهای بسیار مهم‌ هواشناسی در تعیین تبخیرتعرق و نیاز آبی گیاهان است. مدل‌ها و روش‌های متعددی برای پیش‌بینی این عامل وجود دارد. در سال‌های اخیر، با شناخته‌شدن ابزار محاسبات نرم، به‌مثابه روشی نوین در ایجاد سیستم‌های هوشمند، این روش‌ها جایگاهی ویژه در علوم هواشناسی کشاورزی پیدا کردند. به‌کاربردن رویکرد شبکه عصبی مصنوعی یکی از این روش‌هاست. با توجه به وجود ایستگاه هواشناسی کشاورزی جیرفت و دردسترس‌بودن داده‌های ساعتی سرعت باد در این شهر، از اطلاعات این ایستگاه استفاده شد. سری زمانی استفاده‌شده در این تحقیق اطلاعات سرعت باد در بازه زمانی ساعتی شش ماه (آوریل تا سپتامبر) سال2010 بود که سرعت باد نسبت به سایر ماه‌های سال بیشتر بود. در این تحقیق از سه مدل با نورون‌های متفاوت با چهار لایه استفاده شد. نتایج نشان داد که مرحله آزمون مدل با 20 نورون در هر لایه، به‌طور متوسط 134 ثانیه طول کشیده است. لذا این مدل در مقایسه با دیگر مدل‌ها، در مدت زمانی کوتاه‌تر مقادیر خروجی را به دست داد و سرعت اجرای بالاتری داشت. با توجه به مقایسه پارامترهای آماری در مرحله آزمون، متوسط rmse و mse و ef (ضریب کارایی مدل)، به‌ترتیب، 1827/1 و 6947/0 و 9246/0 به‌‌دست آمد. مدل به‌کاررفته، نسبت به دو مدل دیگر، دقت بیشتر و کارایی بهتری در پیش‌بینی سرعت باد دارد و با دنیای واقعی مطابقت می‌کند.