کاربرد شبکه عصبی موجک در تخمین دمای متوسط هوا شهرستان ساری

دمای هوا که در ایستگاه های هواشناسی استاندارد اندازه گیری می شود یکی از توصیف کننده های اصلی وضعیت محیط زمین است. بنابراین برآورد و تخمین دقیق دمای متوسط روزانه در هر منطقه یکی از پیش نیازهای مهم برای برنامه ریزی کشاورزی و نیز مدیریت منابع آب می باشد که به روش های مختلفی همچون مدل های تجربی، نیمه تجربی و هوشمند قابل انجام است. در این پژوهش کاربرد شبکه عصبی موجک به منظور برآورد متوسط دمای روزانه هوا در ایستگاه ساری مورد بررسی و ارزیابی قرار گرفته و کارایی آن با مدل شبکه عصبی مصنوعی مقایسه گردید. جهت مدل سازی از داده های دمانگار ایستگاه هواشناسی ساری واقع در استان مازندران استفاده شد. پارامتر رطوبت نسبی، دمای بیشینه، دمای کمینه، سرعت باد و تبخیر در مقیاس زمانی روزانه در طی سال آبی (1382-1392) بعنوان ورودی شبکه و دمای متوسط روزانه هوا به عنوان خروجی شبکه انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف برای ارزیابی و مقایسه عملکرد مدل ها مورداستفاده قرار گرفت. مقایسه نتایج نشان داد مدل شبکه عصبی موجک عملکرد بهتری نسبت به مدل شبکه عصبی مصنوعی در مدل سازی دارد، بگونه ای که مدل شبکه عصبی موجک با بالاترین ضریب همبستگی (999/0)، ریشه میانگین مربعات خطا (001/0) و نیز بیشترین معیار نش ساتکلیف (998/0) در مرحله صحت سنجی در اولویت قرار گرفت. در مجموع نتایج نشان داد مدل شبکه عصبی موجک در تخمین بیشتر مقادیر دقت بالایی از خود نشان داده است.