پیش بینی دمای حداکثر با استفاده از روش ترکیب شبکه عصبی و تکامل تفاضلی (کاربرد داده کاوی در هواشناسی)

پیشبینی دما به عنوان یکی از مهمترین پارامترهای اقلیمی در حوزه های مختلف مدیریت منابع آبی و طبیعی، خشکسالیها، مطالعات زیست محیطی، خطر سیلاب، کمبود مواد غذایی، گسترش آفات و بیماریها، حمل ونقل و غیره از اهمیت ویژه ای در تعیین سیاستهای آینده جهت بهینه سازی این منابع و صرف هزینه ها، کنترل و جلوگیری از بحران و استفاده از منابع برخوردار است. با استفاده از مدلهای مختلف ازجمله پیاده سازی چند شبکه عصبی ازجمله شبکه عصبی و تفاضل تکاملی و روش داده کاوی و مقایسه روشهای پیاده سازی شده، الگوریتمی برای پیشبینی دما با استفاده از تکنیکهای هوش مصنوعی ارائه میشود. در این تحقیق با استفاده از متغیرهای میانگین رطوبت نسبی، میانگین سرعت باد، مجموع ساعات آفتابی، میانگین حداقل دمای ماهانه به عنوان ورودی شبکه پرسپترون چندلایه (mlp) و الگوریتم تکامل تفاضلی، میانگین حداکثر دمای ماهانه ایستگاه نمونه پیشبینی شده است.