Abstract:
آخرین روز یخبندان برای 17 ایستگاه همدید هواشناسی در شمال غرب و غرب ایران، بر اساس دادههای روزانه یک دورهی آماری بیستساله از سال 1986 تا 2005، با استفاده از روش شبکهی عصبی مصنوعی پیشبینی شد. پس از آزمون الگوریتمها و شکبههای گوناگون، درنهایت، شیوهی پسانتشار خطا، بهعنوان بهترین و دقیقترین شیوهی تحلیلی انتخاب شد و برای پیشبینی مورد استفاده قرار گرفت. شبکهها بر اساس متغیرهای ورودی شامل: اولین روز یخبندان، حداقل مطلق دما، رطوبت نسبی در ساعت 3 گرینویچ، میانگین رطوبت نسبی، فشار متوسط آخرین روز یخبندان، فشار متوسط روز ماقبل آخر یخبندان و ابرناکی در آخرین روز یخبندان، آموزش داده شدند. آخرین روز یخبندان نیز، خروجی شبکه در نظر گرفته شد. نتایج بررسی نشان داد که پیشبینی آخرین روز یخبندان بهاری در بین تمامی ایستگاههای همدید هواشناسی در شمال غرب و غرب ایران، براساس شبکهی پسانتشار خطا، با دقت بالایی امکانپذیر است. خطای بهدست آمده در تمام موارد پایین بود. بالاترین خطای شبکه بین ایستگاهها، متعلق به اراک با 1142/1 درصد و کمترین آنها مربوط به مهاباد با 254/0 درصد است. در پهنهبندی منطقه بر اساس پیشبینی انجام شده، تأثیر عامل ارتفاع و توپوگرافی، با وضوح بالایی آشکار شد.
In this paper we try to predict last freezing day of spring for 17 meteorological stations in west and northwest of Iran by Artificial Neural Networks. The method used to do so was the back propagation method. Climatologic data included first day of freezing، minimum absolute temperature in the last day of freezing، humidity at 3 o’clock (GMT) in the last day of freezing، average relative humidity in the last day، average pressure in the day before last day and cloudiness in the last day of freezing input the network، and the last day of freezing was output. Artificial neural networks could predict the last day of freezing for all 17 stations with an accepted error. Biggest errors in this work belong to Arak station with 1.1142 % and smallest errors belong to Mahabad station with 0.254 %. It was concluded that zonation of the religion based on accomplished prediction exposed effects of the both height and topography.
Machine summary:
"تمام نقاط آموزش و آزمون در ایستگاه کرمانشاه Cloud Press 2 Press 1 Humi 2 Humi 1 Temp First Day Last Day Year 8 1025/2 1021/7 52/2 74 -1 40 183 1986 1987 213 53 -1/4 72 41/6 1026/7 1027/5 0 1988 197 52 -1/2 92 61/8 1024/1 1025/9 0 1989 191 54 0 48 52/5 1023/7 1020/4 0 1990 195 62 -1 96 69/5 1024/8 1024/1 1 1991 187 53 0 90 58/4 1020/1 1022/2 0 1992 194 63 -0/4 86 55/6 1022/5 1021/4 0 1993 215 59 0 70 49/6 1022/6 1024/5 0 0 1026/4 1027/1 50/9 83 -0/2 54 178 1994 1995 198 49 0 81 47/1 1024/2 1026 0 1996 197 42 0 83 55/4 1022/1 1027/5 0 1997 205 37 -0/6 67 45/4 1021/8 1027/5 0 1998 193 37 0 89 66/1 1024/4 1025 6 1999 188 75 -3 77 57 1023/1 1019/7 0 2000 189 42 0 83 45/9 1021/5 1025/2 0 2001 178 47 0 75 50/1 1025/2 1018/7 0 0 1033/1 1031/3 44/5 65 -3/4 58 171 2002 2003 193 57 0 75 44/1 1023/2 1022/1 0 2004 209 45 0 62 49 1014/5 1014/6 4 2005 199 63 -0/6 81 54/4 1027/6 1026/6 0 از بین الگوریتم ها، مواردی که کمترین میزان خطای پیش بینـی را نشـان مـیدادنـد، بـه عنـوان شـبکه ی مناسب برگزیده شدند و بدین ترتیب آخرین روز یخبندان برای ایستگاههـای مـورد مطالعـه ، پـیش بینـی شـد.
پهنه بندی منطقه ی مورد مطالعه از نظر ارتفاع (ارقام منحنیها بر حسب متر هستند) بحث و نتیجه گیری پس از طی مراحل آموزش برای هر شبکه ، درنهایت بهترین الگوریتم برای هر کـدام از ایسـتگاههـا بـه گونـه ای انتخاب شد که کمترین میزان خطا بین آخرین روز پیش بینی شده با آمار واقعی وجود داشت ."