امیر گندمکار - مرکز تحقیقات گردشگری، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
ایرج حیدری - مرکز تحقیقات گردشگری، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
محسن باقری بداغ آبادی - موسسه تحقیقات خاک و آب، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

دما یکی از پارامترهای بسیارمهم آب و هوایی است که در تعیین نقش و پراکندگی دیگر عناصر اقلیمی موثر می باشد. هدف از پژوهش حاضر بررسی ارتباط بین دمای ماهانه و سالانه حوضه آبی دریای مازندران و الگوهای پیوند از دور می باشد. در این راستا از داده های میانگین دمای ماهانه و سالانه ۹۷ ایستگاه همدیدی و آب و هواشناسی درون حوضه و بیرون حوضه و همچنین ۳۳ الگوی پیوند از دور طی دوره آماری (۱۹۷۰-۲۰۱۴) استفاده شد. بدین منظور مدل پرسپترون چندلایه مورد استفاده قرار گرفت. ابتدا داده ها در نرم افزار مت لب نرمال و در نرم افزار spss استاندارد شدند. سپس شبکه براساس الگوریتم گرادیان نزولی (SCG)، تابع متحرک هیپربولیک برای لایه های پنهان و تابع متحرک همانی برای داده های خروجی طراحی شد. در تمام ساختار شبکه ۱ تا ۲ لایه پنهان در نظر گرفته شد و بیش از ۶۰۰ شبکه ایجاد شد. طی این فرایند ۷۰ درصد از داده ها برای آموزش و ۳۰ درصد برای آزمون در نظر گرفته شد. سپس به ارزیابی عملکرد مدل، از طریق معیارهای آماری از جمله مجموع مربع خطاها و خطای نسبی پرداخته شد. نتایج نشان داد در رابطه با داده های ماهانه، دمای یک ماه پیش و الگوهای  ONI و NINO۳ دارای اهمیت بیشتر می باشد و ارتباط بیشتری را با دمای ماهانه حوضه مورد مطالعه نشان می دهد. در داده های سالانه نیز الگوهای های AMO، NCP، AO، NAO و دمای یک سال قبل اهمیت بالای ۶۰ درصد نشان دادند. لذا می­توان بیان نمود که رابطه الگوهای نامبرده با دمای سالانه بیش از سایر الگوها بوده است.

پیوند از دور, حوضه آبی دریای مازندران, دما, شبکه عصبی مصنوعی, مدل پرسپترون چندلایه (MLP)