محمد تشنه لب
بهناز نحوی
بابک نصیری

شبکه های عصبی یکی از روشهای پرکاربرد در یادگیری سیستمهای هوشمند است که کارایی بسیار بالایی در یادگیری الگوهای آموزشی دارد. در این مقاله سعی بر این شده است که با استفاده از شبکه عصبی مدل مخچه(CMAC*) به پیش بینی پارامترهای هواشناسی بپردازیم و در واقع با استفاده از یک مثال عملی و بارز برتری مد لهای هوشمند نظیرCMAC را نسبت به مدل های خطی از جملهARMA بررسی کنیم . در ادامه سعی بر این شده است که با استفاده از بهینه سازی پردازش تکاملی، قابلیت پیش بینی روش خطیARMA را بالا ببریم. این مقاله نشان م یدهد که با استفاده از روشهای خطی بهینه شده توسط الگوریتم ژنتیک می توان کارآیی آن را به نحو چشمگیری افزایش داد به گونه ای که شبکه مدل مخچه ارائه شده، قادر نیست رفتار دینامیکی پارامترهای هواشناسی رادر مقایسه با روشARMA تعمیم یافته بوسیله الگوریتم ژنتیک پی شبینی نماید .

شبکه عصبی مدل مخچه ، اتو رگرسیون خطی ARMA ، الگوریتم ژنتیک ، یادگیری و پیش بینی