طراحی سیستم فازی عصبی بر پایه خوشه بندی داده های هواشناسی برای تخمین و پیشگوئی دما

در این مقاله از یک سیستم فازی عصبی برای تخمین تابع دما و پیشگویی دما بر اساس ویژگی های رطوبت، فشار بخار، فشار QFE ، فشار QFF ، فشار QNH ، میزان بارندگی و سرعت باد استفاده شده است. در طراحی سیستم مورد نظر از یک روش جدید به منظور رفع مشکلات موجود در طراحی سیستم های فازی عصبی - استفاده شده است. در روش جدید با استفاده از خوشه بندی داده های هواشناسی مشکل افزایش ابعاد، افزایش قواعد فازی، افزایش پارامترهای خطی، تعیین تعداد مناسب توابع عضویت برای هر بعد ورودی و مشکل تعیین پارامترهای غیر خطی بدون استفاده از الگوریتم های بهینه سازی سراسری مرتفع شده است. در نتیجه در سیستم جدید شاهد مسائلی از قبیل کاهش شفافیت و تفسیرپذیری قواعد فازی، بیش برازش در مرحله آموزش و افزایش منابع حافظه و محاسباتی نخواهیم بود. در صورت دسترسی به پایگاه های داده جامع تر با استفاده از روش پیشنهادی در این مقاله می توان سایر اثرات جوی و محیطی از قبیل اثر گازهای گلخانه ای بر تابع دما و گرم شدن کره زمین را نیز بررسی کرد.

Keywords:

سیستم فازی عصبی , خوشه بندی , آموزش گرادیان نزولی , تخمین تابع دما , پیشگویی دما