ﭘﯿﺶﺑﯿﻨﯽ ﺧﺸﮑﺴﺎﻟﯽ ﺷﻬﺮ ﺳﻤﻨﺎن ﺑﺎ اﺳﺘﻔﺎده از ﻫﻮش ﻣﺼﻨﻮﻋﯽ

ﺧﺸﮑﺴﺎﻟﯽ ﯾﮑﯽ از ﺑﻼﯾﺎي ﻃﺒﯿﻌﯽ اﺳﺖ ﮐﻪ ﺧﺴﺎرات زﯾﺎدي در زﻧﺪﮔﯽ اﻧﺴﺎن و اﮐﻮﺳﯿﺴﺘﻢ ﻫﺎي ﻃﺒﯿﻌﯽ ﺑﻮﺟﻮد ﻣﯽ آورد و در ﻫﻤﻪ رژﯾﻢ ﻫﺎي اﻗﻠﯿﻤﯽ دﯾﺪه ﻣﯽ ﺷﻮد. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺗﻮاﻧﺎﯾﯽ ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ در ﭘﯿﺶﺑﯿﻨﯽ رﺧﺪادﻫﺎي ﻃﺒﯿﻌﯽ، از ﺟﻤﻠﻪ ﭘﯿﺶﺑﯿﻨﯽ ﭘﺪﯾﺪه ﺧﺸﮑﺴﺎﻟﯽ، در اﯾﻦ ﺗﺤﻘﯿﻖ ﺧﺸﮑﺴﺎﻟﯽ ﺷﻬﺮ ﺳﻤﻨﺎن ﺑﺮاي ﺑﺎزه زﻣﺎﻧﯽ ﺷﺶ ﻣﺎﻫﻪ ﺑﺎ ﯾﮏ ﮔﺎم ﺟﻠﻮﺗﺮ ﺑﺎ اﺳﺘﻔﺎده از ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ MLP و RBF و ﻣﻘﺎدﯾﺮ ﺣﺎل و ﭘﯿﺸﯿﻦ ﺑﺎرﻧﺪﮔﯽ و ﺷﺎﺧﺺ ﺧﺸﮑﺴﺎﻟﯽ SPI ﻣﻮرد ﺑﺮرﺳﯽ ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ. ﺣﺪود80% از دادهﻫﺎي ﺑﺎرﻧﺪﮔﯽ ﺑﺎزه آﻣﺎري ﺳﺎلﻫﺎي 1966 ﺗﺎ 2013 )1345-1392( در ﻣﺮﺣﻠﻪ آﻣﻮزش و 20% در ﻣﺮﺣﻠﻪ آزﻣﻮن اﺳﺘﻔﺎده ﺷﺪﻧﺪ. ﻧﺘﺎﯾﺞ ﻣﺪلﺳﺎزيﻫﺎ ارﺟﺤﯿﺖ ﻣﺪلﻫﺎي MLP ﻧﺴﺒﺖ ﺑﻪ ﻣﺪلﻫﺎي RBF را ﻧﺸﺎن دادﻧﺪ. در اﻧﺘﻬﺎ، ﻣﺪل ﺷﺒﮑﻪ ﻋﺼﺒﯽ MLP ﺑﺎ ﭘﻨﺞ ﻣﺘﻐﯿﺮ ورودي SPI در زﻣﺎن t و ﭼﻬﺎر ﺗﺄﺧﯿﺮ زﻣﺎﻧﯽ آن، ﺗﺎﺑﻊ ﻣﺤﺮك ﻟﮕﺎرﯾﺘﻢ ﺳﯿﮕﻤﻮﺋﯿﺪ و 10 ﻧﺮون در ﻻﯾﻪ ﻣﯿﺎﻧﯽ و ﺗﺎﺑﻊ ﻣﺤﺮك ﺧﻄﯽ در ﻻﯾﻪ ﺧﺮوﺟﯽ ﺑﺎ ﮐﻤﺘﺮﯾﻦ ﻣﻘﺎدﯾﺮ ﺧﻄﺎ و ﺑﯿﺸﺘﺮﯾﻦ ﻫﻤﺒﺴﺘﮕﯽ ﺑﻪ ﻋﻨﻮان ﺑﻬﺘﺮﯾﻦ ﻣﺪل اﻧﺘﺨﺎب ﮔﺮدﯾﺪ.