فهرست نشریات علمی دسترسی آزاد ایران

دمای هوا که در ایستگاه‌های هواشناسی استاندارد اندازه‌گیری می‌شود یکی از توصیف‌کننده‌های اصلی وضعیت محیط زمین است. بنابراین برآورد و تخمین دقیق دمای متوسط روزانه در هر منطقه یکی از پیش­نیازهای مهم برای برنامه‌ریزی کشاورزی و نیز مدیریت منابع آب می‌باشد که به روش‌های مختلفی همچون مدل‌های تجربی، نیمه تجربی و هوشمند قابل انجام است. در این پژوهش کاربرد شبکه عصبی موجک به منظور برآورد متوسط دمای روزانه هوا در ایستگاه ساری مورد بررسی و ارزیابی قرار گرفته و کارایی آن  با مدل شبکه عصبی مصنوعی مقایسه گردید. جهت مدل‌سازی از داده‌های دمانگار ایستگاه هواشناسی ساری واقع در استان مازندران استفاده شد. پارامتر رطوبت نسبی، دمای بیشینه، دمای کمینه، سرعت باد و تبخیر در مقیاس زمانی روزانه در طی سال آبی (1382-1392) بعنوان ورودی شبکه و دمای متوسط روزانه هوا به عنوان خروجی شبکه انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف برای ارزیابی و مقایسه عملکرد مدل‌ها مورداستفاده قرار گرفت. مقایسه نتایج نشان داد مدل شبکه عصبی موجک عملکرد بهتری نسبت به مدل شبکه عصبی مصنوعی در مدل‌سازی دارد، بگونه ای که مدل شبکه عصبی موجک با بالاترین ضریب همبستگی (999/0)، ریشه میانگین مربعات خطا (001/0) و نیز بیشترین معیار نش ساتکلیف (998/0) در مرحله صحت سنجی در اولویت قرار گرفت. در مجموع نتایج نشان داد مدل شبکه عصبی موجک در تخمین بیشتر مقادیر دقت بالایی از خود نشان داده است.