یوسف شرفی - دانشجوی دکتری، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران
علیرضا فلاحی آذر - دانشجوی دکتری، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران
محمد تشنه لب - عضو هیات علمی، گروه مهندسی برق و کامپیوتر، دانشگاه خواجه نصیر الدین طوسی، تهران

دما به عنوان یکی از مهمترین رویدادهای طبیعی بوده که بر ابعاد مختلف زندگی بشر تاثیر می گذارد. در طی دهه های اخیر روش های هوش مصنوعی، توانایی های زیادی را در مدل سازی و پیش بینی سری های زمانی غیرخطی و غیرایستا از خود نشان داده اند. ازاین رو در این مقاله، از روش های مختلف شبکه های عصبی فازی از جمله ممدانی، سوگنو، لارسن و تسوکاموتو به منظور پیش بینی سری زمانی دما، استفاده شده است. به این منظور از داده های هوا شناسی استان تهران در سال 1387 شمسی، برای ارایه نتایج شبیه سازی این مقاله استفاده شده است، در پایان، به بررسی و مقایسه نتایج حاصل از پیاده سازی و اجرای شبکه های عصبی فازی مختلف پرداخته ایم. نتایج بدست آمده، حاکی از عملکرد متفاوت شبکه های عصبی فازی مختلف در حوزه سری های زمانی متنوع می باشد، به عبارتی دیگر هر نوع شبکه عصبی فازی متناسب با سری های زمانی استفاده شده، کارآیی متفاوت خواهد داشت.

پیش بینی سری زمانی، سیستم های فازی، شبکه های عصبی فازی، پیش بینی دما