بهبود شبکه عصبی روش گروهی مدل سازی داده با استفاده از الگوریتم حشره آبسوار در پیشبینی دما
نویسندگان
1 پژوهشکده اقلیم شناسی-گروه بلایای جوی اقلیمی-مشهد-ایران
2 استادیار، دانشگاه آزاد اسلامی واحد بیرجند، گروه کامپیوتر، بیرجند
3 دانشجوی دکتری، دانشگاه آزاد اسلامی واحد بیرجند، بیرجند
doi
چکیده
تغییرات اقلیمی آشکار پیشرو، تبدیل به دغدغهای جدی برای جامعه بشری شده است و در این بین گرمایش جهانی یکی از گسترده ترین و مهمترین مخاطرات زیست محیطی است بنابراین پیشبینی مناسب دما، اهمیت قابل توجهی در راستای سازگاری با تغییر اقلیم و کاهش آسیب پذیری ها در مقیاس های محلی دارد . برای این منظور در این تحقیق پیشبینی دما با یکی از روش های شبکه عصبی را پیشنهاد دادیم. پس از جمعآوری دادههای ایستگاه اقدسیه در مرحله پیشپردازش پس از پاکسازی و نرمالسازی دادهها، عمل انتخاب ویژگی با استفاده از الگوریتم تحلیل مؤلفههای اصلی انجام میشود، سپس در مرحله پسپردازش شبکه عصبی روش گروهی مدلسازی داده با استفاده از الگوریتم حشره آبسوار بهبود داده میشود تا پیشبینی دما به صورت بهینه انجام شود. نوآوری این تحقیق استفاده از الگوریتم حشره آبسوار در بهبود شبکه عصبی روش گروهی مدلسازی داده است. پارامترهایی در روش گروهی مدلسازی دادهها به عنوان متغیرهای تصمیمگیری تعریف میشوند در این تحقیق مقادیر بهینه این پارامترها، توسط الگوریتم حشره آبسوار تعیین شده تا پیشبینی دما با دقت بالایی انجام شود و در جهت مقایسه روش پیشنهادی، از شبکه عصبی پرسپترون چندلایه آموزشیافته با الگوریتم حشره آب سوار استفاده شده است. نتایج حاکی از میانگین مربعات خطای 0.0469 در روش پیشنهادی دارد.
