پيش بيني سرماي ديررس بهاره با استفاده از شبكه عصبي پرسپترون چند لايه (MLP) و تاثير آن در حمل و نقل شهر خرم آباد

Spring Frost Prediction Using Neural Network Multilayer Perceptron (MLP) and It’s Impact on the Public Transportation in Khorramabad City

سيستم حمل و نقل درون شهري به عنوان ابزار مهم و موتور محرك، توسعه ي شهرها در اقتصاد محلي و منطقه اي به شمار مي آيد. چرا كه اگر جوامع شهري امروز داراي امكانات و زيرساخت هاي مناسب حمل و نقل شهري نباشند، خسارات جبران ناپذير اقتصادي را بر خود تحميل مي نمايد. در اين راستا اقليم شناسان تلاش مي كنند با تجزيه و تحليل داده هاي يك يا چند متغيير اقليمي در گذشته، به قوانين و مدل هايي دست يابند كه بر اين اساس، وضعيت اقليم را در آينده پيش بيني كنند. شبكه هاي عصبي مصنوعي از مولفه هاي هوش مصنوعي است كه امروزه به طور وسيع در زمينه مدل سازي و پيش بيني پارامترهاي اقليمي مورد استفاده قرار مي-گيرد. در اين پژوهش، سعي شده با پيش بيني سرماي ديررس بهاره ايستگاه خرم آباد با استفاده از مدل پرسپترون چند لايه (MLP) به تاثير آن برسيستم حمل و نقل شهري، ضمن آشكارسازي رخداد وقوع، نسبت به كاهش خسارات و اختلالات ناشي از آن به خودروها و تاسيسات زيرساختي حمل و نقل درون شهري و غيره زمينه اي ايجاد نمود تا تدابير لازم اتخاذ گردد. به منظور دستيابي به اين مهم از متغيرهاي ميانگين ماهانه حداقل و حداكثر دما، ميانگين حداقل و حداكثر رطوبت نسبي، مجموع ساعات آفتابي و ميانگين مجموع بارش ماهانه طي دوره آماري 28 ساله (2009-1981) جهت پيش بيني دماهاي حداقل ماه هاي آوريل و مي سال هاي 2010 تا 2012 و مقايسه آن با داده هاي واقعي استفاده گرديد. جهت اين كار از امكانات و توابع موجود در نرم افزار MATLAB بهره گرفته شد. سپس به بررسي شاخص هاي عملكرد شبكه از جمله ضريب تعيين و همبستگي و درصد خطاي نسبي پرداخته شد. يافته ها بيانگر وقوع يخ بندان بهاره براي 80% احتمال و دوره برگشت 49/1 ساله روز 187 يعني 7 فروردين ماه است. و حداكثر خطاي اين مدل با داده هاي واقعي كم تر از 10/0 درجه سلسيوس است كه توانايي قابل توجه مدل شبكه عصبي مصنوعي در مدلسازي پيش بيني دماهاي حداقل را نشان مي دهد. بنابراين توجه به پديده هاي اقليمي از جمله يخ بندان بر مديريت و توسعه حمل و نقل شهري تاثير شاياني مي گذارد و بايد از نظر كارشناسان اين امر در الويت دقت قرار گيرد.