بهينه سازي خروجي مدل هاي پيش بيني با استفاده از ANFIS

پيش‌بيني عددي دما مانند ساير كميت‌هاي ديگر هواشناختي در سطح زمين معمولاً با خطا همراه است كه عموماً به پايين بودن ميزان تفكيك توپوگرافي و نيز نقص در پراسنجي فرايندهاي فيزيكي متفاوت در مدل است. بمنظور استفاده از خروجي دمايي مدل بايستي بر روي آن پس پردازش انجام شود. از آنجايي كه كرمان استاني پهناور، با اقليم هاي متفاوت مي باشد، پيش بيني دمايي مناطق مختلف آن بدون استفاده از مدل كار سخت و دشواري مي باشد. به همين منظور استان كرمان به عنوان نمونه براي استفاده از خروجي مدل WRF انتخاب شده و بر روي دماي آن پس پردازش انجام داده ايم. بررسي تغييرات دما در اكولوژي گياهي از اهميت ويژه اي برخوردار است، زيرا گياهان فقط تحت تأثير دماهاي معين قادر به حيات خود مي باشند. گونه هاي گياهي مختلف جهت رشد و نمو خود به دماهاي متفاوت نياز دارند. اگر دما از حداقل مطلق طاقت گياه كمتر باشد، موجب خسارت يخبندان در گياه خواهد شد، دانستن اين كه دما تا چه ميزان پايين خواهد رفت، براي انتخاب نوع گياه و همچنين مبارزه با يخبندان اهميت دارد.از آنجايي كه كشاورزي يكي از منابع اقتصادي اصلي در كرمان مي باشد، مي بايستي در پيش بيني هاي دمايي استان و افزايش و كاهش ناگهاني دمايي دقت بسياري لحاظ شود تا با پيش آگاهي به كشاورزان، ميزان خسارات وارده را كاهش دهيم. به همين منظور ما در اين مقاله به دنبال روشي مناسب كه بهترين خروجي را داشته باشد و بتوان در پيش بيني دمايي روزانه به طور عملياتي از آن استفاده كرد بوده و از روشهاي هوش مصنوعي استفاده كرده ايم.