بررسي امكان پيش بيني سرعت باد با استفاده از مدل هاي هيبريد شبكه هاي عصبي، شبكه هاي فازي-عصبي و تيوري موجك (مطالعه موردي: ايستگاه سينوپتيك يزد)

Investigation of the feasibility of wind speed prediction using hybrid model of neural networks, neural -fuzzy networks and wavelet (Case Study: Station of Yazd)

پيش بيني مولفه هاي باد از جمله سرعت باد يكي از عوامل مهم به خصوص در بحث تبخير در يك حوزه آبخيز محسوب مي گردد. در اين مقاله سعي گرديد، جهت افزايش كارايي مدل هاي هوش مصنوعي، در پيش بيني سرعت باد، دو مدل شبكه عصبي و فازي-عصبي با تيوري موجك تركيب شده و دو مدل هيبريد جديد ارايه گرديد. در اين تحقيق با استفاده از برخي پارامتر هاي اقليمي ايستگاه همديدي يزد از جمله سرعت باد، دماي متوسط، دماي بيشينه، رطوبت نسبي و تبخير، سرعت باد در مقياس ماهانه برآورد گرديد و سپس كارايي دو مدل هاي هيبريد شبكه عصبي موجكي و شبكه فازي-عصبي موجكي با مدل هاي شبكه عصبي و فازي-عصبي در پيش بيني سرعت باد 12 ماه آينده مورد مقايسه قرار گرفت. در نهايت جهت تاييد كارايي بهترين مدل، با استفاده از پارامتر هاي اقليمي موثر سال 1383 سرعت باد در سال 1384 پيش بيني گرديد. نتايج بدست آمده در مرحله ارزيابي مدل ها، تفاوت قابل ملاحظه عملكرد بهتر شبكه هاي عصبي موجكي و فازي-عصبي موجكي را نسبت به مدل هاي شبكه عصبي و فازي-عصبي نشان دادند. شايان ذكر است در مرحله ارزيابي، كارايي بالاي شبكه هاي فازي-عصبي موجكي، برتري اين مدل را نسبت به ساير مدل ها به اثبات رسانيد.