هادی ثانی خانی

در این مقاله به بررسی توانایی دو روش از مدلهای داده مبنا برای مدلسازی بلند مدت ماهانه دما بدون دادههای اقلیمی پرداخته شد - که از مدلهای شبکه عصبی مصنوعی (ANN) و سیستم فازی - عصبی تطبیقی (ANFIS) جهت مدلسازی استفاده گردید. به منظور پیش- بینیبلند مدت ماهانه دما، دادههای 11 ایستگاه دراستان آذربایجان شرقی انتخاب گردید که ضریب فصلی )شماره ماه(، عرض جغرافیایی، طول جغرافیایی و ارتفاع ایستگاهها به عنوان ورودی به مدلها معرفی شدند. برای مدلهای شبکه های عصبی مصنوعی، فازی عصبی از - نوع افراز شبکه و فازی عصبی از نوع دستهبندی تفریقی، حداکثر مقادیر ضریب تبیین )2(R 1 در / 1 و 8899 /8899 ،1/ به ترتیب 8899 ایستگاه کلیبر مشاهده شد. محدوده مقدار ریشه میانگین مربعات خطا ) RMSE ( برای مدل شبکه عصبی مصنوعی، فازی عصبی از نوع - 3 درجه سانتیگراد به دست - - - /1993 2/9198 ،3/2223 1/9229 ،2/138 1/ افراز شبکه و فازی عصبی از نوع دستهبندی تفریقی 9211 آمد. حداقل مقدار ریشه میانگین مربعات خطا در مدلهای شبکه عصبی مصنوعی و فازی عصبی از نوع دستهبندی تفریقی در ایستگاه کلیبر و برای مدل فازی عصبی از نوع افراز شبکه در ایستگاه مراغه به دست آمده است نتایج پیشبینی دمای طولانی مدت ماهانه نشان - داد که عملکرد مدل شبکه عصبی مصنوعی در دوره آزمون بهتر از مدل سیستم فازی - عصبی تطبیقی بوده است