تعیین اثر پیش پردازش داده بر عملکرد شبکه عصبی مصنوعی به منظور پیش بینی بارش ماهانه در شهرستان آباده

توابع تبدیل صورت می‏گیرد. در پژوهش حاضر با استفاده از اطلاعات میانگین بارش ماهانه، کمترین و بیشترین دما و رطوبت ایستگاه سینوپتیک شهرستان آباده در بازه زمانی 1355 تا 1392 به‏صورت نرمال‏شده و خام به‏عنوان ورودی های شبکه پرسپترون چند‏لایه، بارش ماه آینده شهرستان پیش‏بینی شد. برای نرمال‏سازی داده های هواشناسی، پس از بررسی وجود داشتن یا نداشتن داده های گم‏شده و پرت از سه روش نرمال‏سازی مینیمم ماکزیمم، رتبه‏ای و آماره نرمال استاندارد استفاده شد. پس از به‏دست‏آوردن بهترین ساختار شبکه با استفاده از آزمون ‏و ‏خطا برای هر روش از مقایسه بهترین ساختارهای هر روش با یکدیگر، روش مینیمم ماکزیمم با ساختار شبکه سه‏لایه و تعداد 13 نورون در لایه پنهان با مقدار 92/0=R و 12/0=MSE در مقایسه با دیگر روش‏ها به‏عنوان بهترین روش انتخاب شد. نتایج آنالیز حساسیت انجام‏شده نیز نشان داد مدل به حذف پارامتر بیشترین رطوبت بیشتر از سایر پارامترها حساسیت نشان داد. پس از آن نیز دمای حداکثر بیشترین تاثیر را بر پیش‏بینی بارش داشت. همچنین مقایسه عملکرد شبکه با تعداد ورودی های مختلف نشان داد شبکه با داشتن دو ورودی شامل کمترین دما و رطوبت با مقدار 13/0= MSE در مواقعی که کمبود داده وجود دارد نسبت به‏تعداد پنج ورودی به‏ نتیجه خوبی رسید.