ارائه یک مدل جدید از شبکه های عصبی بازگشتی تحریکی - مهاریبرای پیش بینی آب و هوا

پیش بینی آب و هوا در چند دهه اخیر به یک زمینه مهم تحقیقاتی تبدیل شده است. در بیشتر موارد،محقق تلاش کرده بود تا یک رابطه خطی بین داده های آب و هوای ورودی و داده های هدف مربوطه برقرارکند. اما با کشف غیرخطی بودن در ماهیت داده های آب و هوا، تمرکز به سمت پیش بینی غیرخطی دادههای آب و هوا تغییر کرده است . از آنجایی که داده های آب و هوا غیرخطی هستند و روند بسیار نامنظمی رادنبال می کنند، شبکه های عصبی بازگشتی و شبکه های پویا دو دسته از مدلهای عصبی هستند که در پیشبینی های آب و هوا کاربرد دارند در این مقاله یک مدل ترکیبی جهت پیش بینی سری های زمانی پیچیدهمعرفی شده است.این مدل از ترکیب شبکه عصبی بازگشتی و شبکه عصبی تحریکی مهاری بدست آمده است و سریهای زمانی را با دقت بالای پیش بینی کند. علاوه براین با توجه به اینکه مدل پیشنهادی در اینمقاله نسبت به سایر شبکه های عصبی سبک تر است و فقط یک لایه وروردی و یک لایه خروجی دارد سرعتاجرای نسبتا بالای در مقایسه با سایر شبکه های عصبی دارد. مدل پیشنهادی بر روی داده های آب و هواآزمایش شده و نتایج آن با شبکه عصبی بازگشتی المان جردن و شبکه عصبی پرسپترون مقایسه شده است. مدل پیشنهادی نسبت نسبت به سایر مدل ها دقیق تر و سریع تر عمل می کند.