پيش بيني بارش با استفاده از شبكه عصبي عميق (خودرمزگذار پشته‌اي تنك با نويززدا مبتني بر نرون سخت)

در جهان امروز، توسعه سريع و پايدار، هدف اصلي تمامي كشورها مي‌باشد. اصليترين محدوديت پيش روي توسعه پايدار، محدوديتهاي اقليمي، از جمله بارش ناكافي همراه با پراكندگي نامناسب مكاني- زماني است و بيشترين همبستگي را با حوادث ناگوار طبيعي دارد. يكي از روشهاي مورد استفاده براي پيش‌بيني در حوزه‌هاي مختلف شبكه‌هاي عصبي مصنوعي مي‌باشد كه اين شبكه‌ها به خاطر استفاده از معماري سطحي و كم‌عمق با ويژگيهاي دستكاري شده ممكن است نتوانند دقت لازم را ارائه دهند. شبكه عصبي عميق مشكلاتي مثل بيش‌برازش را برطرف مي‌‌كند و همچنين هرچقدر عمق شبكه‌ها بيشتر باشند سطوح انتزاع بيشتري را ياد مي‌گيرند. هدف اصلي اين تحقيق، بالا بردن دقت پيش‌بيني بارش ساعتي منطقه خراسانرضوي با استفاده از يكي از روشهاي شبكه عصبي‌عميق است. در اين تحقيق ما يك معماري شبكه عصبي عميق با روش خودرمزگذار پشتهاي نويززدا مبتني بر نرون سخت بصورت تنك (RSDSAE) را براي پيشبيني بارش كوتاه مدت ارائه ميدهيم. به منظور بهبود دقت، شبكههاي عصبي سخت (RNNs) به عدم قطعيت بارش كمك ميكنند و براي بهبود سرعت و صحت از تركيب الگوريتم تنك (Spars) با مدل فوق مورد استفاده قرار گرفته است و همچنين از دادههاي بارش پيشبيني شده خروجي مدل WRF استفاده كرديم و آزمايش‌ها بر روي دادههاي باران و توسط دو معيار RMSE، MAE و با پنج خودرمزگذار به ترتيب 0.7912 و 0.7662 محاسبه گرديده است كه توانسته عملكرد بهتري نسبت به مدل (RSDAE) از خود نشان دهد.