فهرست نشریات علمی دسترسی آزاد ایران

یکی از موضوعات مهم و کاربردی در دنیای امروز، پیش بینی وضعیت آب و هوایی است. پیش بینی وضعیت آب و هوایی باعث می‌شود تا زیان و خسارات شرایط بحرانی آب و هوایی کاهش داده شود. پیش بینی وضعیت آب و هوایی می تواند در کاربردهای مانند کشاورزی و حمل و نقل هوایی موثر باشد. برای پیش بینی وضعیت آب و هوایی نیاز است که اطلاعات محیطی برای یک دوره مشخص گردآوری شود و سپس این اطلاعات به عنوان ورودی یک سیستم پیش بینی استفاده شود. برای پیش بینی وضعیت آب و هوایی در بیشتر مطالعات از روشهای رگرسیون استفاده شده است. یکی از روشهای که می‌توان برای یادگیری و پیش بینی آب و هوایی از آن استفاده نمود، شبکه‌های یادگیری عمیق و از جمله شبکه عصبی کانولوشن می‌باشد. یکی از چالش‌های مهم شبکه عصبی کانولوشن آن است که انتخاب ویژگی را غیر هوشمندانه و با استفاده از تعدادی عملیات کانولوشن انجام می‌دهد. در این مقاله برای بهبود دادن دقت پیش بینی شرایط آب و هوایی توسط شبکه عصبی کانولوشن، یک روش هوش گروهی ارایه شده است. در روش پیشنهادی در لایه اول به جای آنکه از عملیات کانولوشن برای انتخاب ویژگی استفاده شود از ترکیب شبکه عصبی چند لایه و الگوریتم حشره آبسوار برای انتخاب ویژگی استفاده می‌شود. انتخاب هوشمندانه ویژگی در لایه اول شبکه کانولوشن، دقت آن را در پیش بینی وضعیت آب و هوایی افزایش می‌دهد. ارزیابی‌ها با استفاده از مجموعه داده‌های مرتبط با شرایط آب و هوایی نشان می‌دهد روش پیشنهادی دارای دقت و حساسیتی به ترتیب برابر 96.32% و 96.14% در پیش بینی آب و هوا است. روش پیشنهادی نسبت به شبکه یادگیری عمیق CNN، توانسته دقت پیش بینی را در حدود 8.35% افزایش دهد.