"انتخاب ورودي" شبكه عصبي مصنوعي به كمك تحليل مولفه اصلي

" انتخاب ورودی" صحیح، هوشمند و متناسب با هدف به كمك روش مناسب، اولین گام در طراحی شبكه های عصبی مصنوعی به منظور پیش بینی است . در اثنای فرایند انتخاب ورودی ، به دلیل فقدان اطلاعات دقیقی مربوط به جزئیات داده به ناچار از روش سعی و خطا استفاده می شود . تحلیل مولفه اصلی توانایی های متعددی از جمله كاهش ابعاد داده ، استخراج مدهای تغییرپذیری داده ، از بین بردن همبستگی بین داده های خام و حذف داده های غیرمعمولی دارد . در پژوهش حاضر، با استفاده از تحلیل مولفه اصلی ، پر اسنج های هواشناختی مرتبط با دما ، به منظور تعیین داده های ورودی مناسب برای پیش بینی میانگین دمای روزانه سال ۲۰۰۹ میلادی در ایستگاه همدیدی شهر یزد در یك دوره اماری ۲۹ ساله ( ۱۹۸۰ تا ۲۰۰۸ میلادی ) مورد بررسی قرار گرفته اند . نتایج نشان می دهند با استفاده از توانایی های متعدد تحلیل مولفه اصلی میتوان انتخاب ورودی صحیح ، هوشمند و متناسب با هدف شبكه عصبی مصنوعی را بدون استفاده 3 روش سعی و خطا انجام داد.