سال انتشار: ۱۳۸۹

محل انتشار: چهارمین کنفرانس منطقه ای تغییر اقلیم

تعداد صفحات: ۵

نویسنده(ها):

امیرحسین درونه – گروه فیز یک، دانشکده علوم، دانشگاه زنجان
امیرحسین قادری – گروه فیز یک، دانشکده علوم، دانشگاه زنجان

چکیده:

شبکه های عصبی ساختگی به خوبی می تواند به تحلیل رفتار سیستمهای غیرخطی بپردازند تغییرات دمای هوا در یک شهر نیز میتواندنمونه ای از کی سیستم غیرخطی باشد. کیی از انواع شبکه های عصبی، شبکه عصبی ساخته شده از پرسپترونها است که یادگیری ان از نوع نظارت شونده است در این کار با بهره گیری از کی ساختار اصلاح شدهی شبکه چند لایه پرسپترونی، به پیش بینی دمای میانگین در کی شهر پرداخته ایم. همچنین اثرات افزایش تعداد الگوهای ورودی را بر یادگیری و پیش بینی شبکه مورد بررسی قرار داده ایم شبکه مورد استفاده، شبکهای است که ساختار آن نسبت به شبکههای معمولی دستخوش تغییر شده است و تعداد وزنهای سیناپسی بین دو لایه پنهان آن به طور منظم کاهش یافته است. نتایج نشان میدهد که شبک ه چند لایه ی پرسپترونی مدل قابل اطمینانی برای پیش بینی دمای هوای میانگین است و همچنین افزایش تعداد الگوهای ورودی تاثیر مستقیمی بر دقت پیش بینی دارد.