آشکارسازی آماری اثر گرمایش جهانی بر ناهنجاریهای بارش سالانه جلفا با استفاده از شبکههای عصبی مصنوعی

چکیده در این تحقیق ، دادههای مربوط به ناهنجاریهای دمایی کره زمین و بارش متوسط سالانه ایستگاه جلفا در طی دوره آماری ۲۰۰۳-۱۹۶۰ استفاده شده است. روشهای اصلی به کار گرفته شده در این مطالعه، عبارت از: روش تعیین ضریب همبستگی پیرسون، تحلیل مولفه روند سریهای زمانی، رگرسیون خطی ساده و شبکههای عصبی مصنوعی. نتایج حاصل از کاربرد و تحلیل همبستگی پیرسون، نشان دهنده همبستگی منفی و معکوس معنی داری بین بارش سالانه جلفا و ناهنجاریهای دمایی کره زمین است. این، بدان معنی است که غالبا با منفی شدن ناهنجاریهای دمایی کره زمین بارش سالانه جلفا افزایش یافته، ترسالی به وقوع میپیوندد و برعکس، با مثبت شدن ناهنجاریهای دمایی کره زمین، متوسط بارش سالانه جلفا کاهش یافته، خشکسالی به وقوع میپیوندد. تحلیل مولفه روند بلند مدت سریهای زمانی نشان میدهد که در طول دوره آماری از بارش متوسط سالانه جلفا کاسته میشود، اما روند ناهنجاریهای دمایی کره زمین روندی افزایشی دارد. با استفاده از شبکههای عصبی مصنوعی، ارتباط بارش متوسط سالانه جلفا با گرمایش جهانی شبیه سازی شده است. نتایج حاصل از کاربرد روشهای مختلف در این مطالعه نشان میدهد که روش شبکه عصبی مصنوعی در مقایسه با روشهای رگرسیون خطی ساده روش شبیه سازی بهتر و دقیق تری است. روشهای مختلف شبکههای عصبی مصنوعی به کار گرفته شده در این مطالعه نشان داد که روش پرسپترون چند لایه، با چهار لایه مخفی و الگوریتم آموزش پس انتشار، دارای قابلیت بسیار عالی در پیش بینی همبستگی بین سریهاست.

Keywords:

واژه­های کلیدی: شبکه­های عصبی مصنوعی , آشکار سازی , پرسپترون چند لایه , بارش سالانه , روند بارش , جلفا