طبقه بندی دمایی ایستگاه های هواشناسی کشور با استفاده از خوشه بندی فازی و شبکه عصبی مصنوعی کوهونن

طبقه بندی ایستگاه های هواشناسی موجب اختصاص حجم زیادی از اطلاعات به چند دسته متجانس کوچک تر، سهولت استفاده در مدل سازی و هم چنین کمک شایانی به گسترش اطلاعات نقطه ای به اطلاعات منطقه ای برای نقاط فاقد آمار می نماید. در این تحقیق 112 ایستگاه هواشناسی پس از بررسی های اولیه از بین تمام ایستگاه های سینوپتیک کشور انتخاب و سپس با استفاده از خوشه بندی فازی و شبکه عصبی مصنوعی کوهونن طبقه بندی دمائی آنها مورد بررسی قرار گرفت. میانگین دمای سالانه، طول جغرافیایی، عرض جغرافیایی و ارتفاع ایستگاه ها به عنوان پارامترهای ورودی معیارهای طبقه بندی در نظر گرفته شدند. تعداد بهینه خوشه ها با استفاده از شاخص دیویس-بولدین، محاسبه و ایستگاه های هر خوشه به تفکیک مشخص و با کمک سیستم اطلاعات جغرافیائی روی نقشه مشخص گردید. در ادامه از پهنه بندی اقلیمی کشور بر اساس روش دمارتن جهت ارزیابی دقت هر دو روش استفاده گردید. هر چند نتایج حاکی از دقت قابل قبول هر دو روش می باشد، لیکن خوشه بندی فازی تا حدودی نسبت به شبکه عصبی کوهونن انطباق بهتری را با پهنه های اقلیمی حاصل از روش دمارتن نشان می دهد