مقایسه روش های شبکه عصبی، پیاده سازی ANFIS با استفاده سری زمانی و روش رگرسیون جهت پیش بینی دمای کمینه ایستگاه هواشناسی فرودگاهی بجنورد

امکان وجود نویز در مدل های هواشناسی از قبیل GFS ، CMC و .. می تواند فرآیند پیش بینی پارامترهای هوا شناسی را دشوارتر نماید. بنابراین شناسایی مقادیر نویز در مدل های هواشناسی و اصلاح آنها توسط روش های مختلف آماری و شبکه عصبی امری ضروری است. دمای هوا یکی از پارامترهای مهم هواشناسی می باشد که تغییرات بسیاری از پارامترهای هواشناسی به آن وابسته است. لذا شناخت لازم از میزان تغییرات و مقادیر پیش بینی شده این پارامتر در جهت برنامه ریزی دقیق تر در مدیریت بخش های مختلف کشاورزی، اقتصادی کمک شایانی می نماید. در این تحقیق سه روش شبکه عصبی ELMAN ، RBF و پرسپترون چند لایه همراه با روش رگرسیون و همچنین روش پیاده سازی ANFIS با استفاده از سری زمانی مورد ارزیابی قرار گرفته که با مقایسه RMSE و MSE آموزش و آزمون روش های مذکور، روش رگرسیون بهترین عمکرد نسبت به روش های دیگر را داراست.