محمد سلیقه - دانشیار اقلیم شناسی دانشگاه خوارزمی تهران، ایران
یدالله بلیانی - دانشجوی دکترای اقلیم شناسی، دانشگاه خوارزمی تهران، ایران
علیرضا خواجه بهرامی - دانشجوی کارشناسی ارشد جغرافیا و برنامه ریزی روستایی، دانشگاه خورازمی ایران
علی بیات - دانشجوی دکترای اقلیم شناسی، دانشگاه خوارزمی تهران، ایران

در این تحقیق با بکارگیری روش شبکه های عصبی مصنوعی به عنوان یک روش غیرخطی در شهر شیراز اقدام به پیش بینی و شبیه سازی عددی میانگین فصلی دمای سالانه طی دوره آماری 55 ساله (2005-1951) شده است. نتایج حاصل از این تحقیق بعد از آزمون شبکه با لایه های پنهان و با ضرایب یادگیری مختلف نشان داد که استفاده از شبکه های عصبی با یک پرسپترون 4 لایه پنهان و ضریب یادگیری 0/1 و مومنتم 0/7 مدل شایسه ای برای پیش بینی میانگین فصسلی دمای سالانه شهر شیراز می باشد. ضریب همبستگی r، مقادیر R2 و خطای برآورد میانگین RMSE شبکه عصبی برای مقادیر واقعی و پی بینی شده نتایج مناسب تری را نسبت به مدل رگرسیون نشان می دهد. بعنوان نمونه میزان ضریب R2 برای فصل پائیز برابر با 0/54 و میزان برآورد خطای میانگین RMSE=0/23 در مقایسه با ضریب تعیین R2=0/34 و میزان خطای RMSE=0/97 در مدل رگرسیون نتایج قابل قبول تری ارائه می نماید.

ارزیطابی و پیش بینی، شبکه عصبی، تغییرات دما، شیراز، رگرسیون