پيش بيني دماي هوا با استفاده از پردازش تصاوير ماهواره و شبكه هاي عصبي با يادگيري ماژولار

پيش بيني هوا بر اساس تصاوير ماهواره هميشه چالش برانگيز بوده است. مدل هاي عددي موجود براي پيش بيني جوي خيلي دقيق عمل نمي كن. علاوه بر اين، در اين زمينه بيشتر ازداده هاي عددي استفاده مي شود. در نتيجه نياز به مدل دقيق تري وجود دارد تا با وارد كردن امكانات جوي و تصاوير ماهواره در هر لحظه بتوان نتايج دقيق تر و بهتري را به دست آورد و از اين طريق بهبودي در پيش بيني شرايط جوي ايجاد كرد. در اين مقاله مدلي تركيبي از پردازش تصاوير ماهواره و شبكه عصبي براي پيش بيني دماي هوا در شهر تهران ارائه مي شود. در اين مدل ابتدا با استفاده از روش تحليل مولفه هاي اصلي حجم تصاوير كاهش مي يابد و از طريق كاهش ابعاد ورودي و افزايش سرعت آموزش، يادگيري شبكه ماژولار مي شود. سپس با استفاده از تصاوير كاهش يافته و الگوريتم لونبرگ، شبكه پرسپترون چند لايه آموزش داده مي شود. در آخر اين مدل را با حالتي كه يادگيري شبكه ماژولار نباشد و حالتي كه الگوريتم انتشار به عقب براي آموزش پرسپترون استفاده مي شود، مقايسه كرد و نتايج نشان مي دهد كه مدل پيشنهادي نتايج بسيار خوبي را براي پيش بيني با تصاوير ماهواره دارد