علی بارونی - دانشجوی کارشناسی ارشد کامپیوتر گرایش هوش مصنوعی، دانشگاه شیراز ، ایران
کوروش زیارتی - دانشیار دانشکده مهندسی برق و کامپیوتر دانشگاه شیراز ، ایران

هر ساله خسارات زیادی به دلیل پدیده ی سرمازدگی به خصوص در بخش محصولات باغی به کشور وارد میشود که استانفارس در این بخش در چندین سال اخیر رتبه ی دوم خسارت ناشی از سرمازدگی را داشته لذا پیش بینی بهتر آن کمکشایانی به کاهش این خسارت ها میکند. پیش بینی سرمازدگی از طریق مدلسازی دمای حداقل صورت می گیرد معمولاروشهای تجربی، آماری، فیزیکی و هوش مصنوعی برای این مدلسازی به کار گرفته می شوند. در این مقاله ما روش هایشبکه ی عصبی و ماشین بردار پشتیبان از دسته ی روش های هوش مصنوعی را با روش تجربی آماری لیناکر مقایسهکردیم، نتایج نشان میدهد که روش ماشین بردار پشتیبان (SVM) با هسته ی تابع پایه شعاعی (RBF) بهتر از روشهای دیگر این مدلسازی را انجام میدهد.

سرمازدگی، مدلسازی دمای حداقل، ماشین بردار پشتیبان، شبکه عصبی، روش تجربی