شبکه های عصبی مصنوعی در آب و هواشناسی
اهمیت شبکه هاي عصبی مصنوعي در آن است که مي تواند فرآیندهایي را که به پارامترهاي گوناگون و با درجه اهمیت متفاوت بستگي دارند را توصیف و بررسي کند، سپس پاسخ قانع کننده ای ارائه نماید.
پیش بینی هوا از سیستم هاي غیرخطي و پیچیده و فاقد مدل ریاضي است که به دلیل تغییرپذیر بودن سیستم با زمان، روشهاي معمول پیش بیني امکان پیش بیني را غیرممکن و از طرفي با توجه به دارا بودن اهمیت پیش بیني هوا در زمینه هاي مختلف ازجمله امور اقتصادي، نظامي، کشاورزي، ضرورت پیش بیني مطرح مي شود.
کارهایي که در زمینه ی برآورد صورت گرفته اعم از برآوردهاي خطي و غیرخطي حاکي از آن است که امکان برآوردهاي کوتاه مدت و بلندمدت داده هاي اقلیمي با دقت محدود وجود دارد. امروزه محققین، با ابداع و پیشرفت علومي چون روش هاي هوشمند که ابزاري توانمند و انعطافپذیر هستند، در جستجوي راههایي فراتر از روشهاي متداول در شناخت و پیشبیني پارامترهاي مهم هوا و اقلیم شناسي ميباشند.
یکي از این روشها، شبکه هاي عصبي مصنوعي از مؤلفه های هوش مصنوعي است که توانایي محاسبه و تقریب هر تابع حسابي و منطقي را دارند. شبکههاي عصبي را ميتوان با اغماض زیاد، مدل هاي الکترونیکي از ساختار عصبي مغز انسان نامید. مکانیسم فراگی ً ري و آموزش مغز اساسا بر تجربه استوار است.
مدلهاي الکترونیکي شبکه هاي عصبي طبیعي نیز بر اساس همین الگو بنا شده اند و روش برخورد چنین مدل هایي با مسائل، با روشهاي محاسباتي که به طور معمول توسط سیستم هاي کامپیوتري در پیش گرفته شدهاند، تفاوت دارد. حتي ساده ترین مغزهاي جانوري هم قادر به حل مسائلي هستند که اگر نگوییم که کامپیوترهاي امروزي از حل آنها عاجز هستند، حداقل در حل آنها دچار مشکل ميشوند.
درواقع شبکه عصبی مصنوعی ایدهای است الهام گرفته از شیوه کارکرد سیستم عصبی زیستی، برای پردازش اطلاعات. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانه پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوقالعاده بههمپیوسته با نام نرون تشکیل شده که برای حل یک مسئله با هم هماهنگ عمل میکند.
با استفاده از دانش برنامهنویسی رایانه میتوان ساختار دادهای طراحی کرد که همانند یک نرون عمل نماید. سپس با ایجاد شبکهای از این نرون هایمصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن
را آموزش داد. به دلیل تأثیرات زیادي که آبوهوا روي زندگي اجتماعي و فردي انسان دارد، مراکز بیشماری در سطح جهان مشغول بررسي و تحقیق روي مسائل آبوهوایي هستند.
یکي از مهمترین کارهایي که در این مراکز انجام ميگیرد، پیشبینی اقلیمي وضع هوا یعني پیشبینی چگونگي تغییرات
روزانه وضعیت جو در لایهی پایین ميباشد. این پیشبینی اقلیمي وضع هوا، بر اساس مقادیر زمان حال و مقادیر پیشبینی شده آینده پارامترهاي مهم هوا صورت ميپذیرد.
برآورد و تخمین با استفاده از این سیستمها براي اطمینان از اعتبار و عملیات اقتصادي خیلي مهم است. روشهاي متداول در پیشبینی که امروزه مرسوم است بر مبناي بحث و بررسي بر روي نقشههاي پیشیابي تهیه شده بر مبناي دادههاي ایستگاههاي زمیني، ماهوارهاي و غیره ميباشد سپس این دادهها توسط افراد مورد استفاده قرار گرفت و پیش بینی به عمل ميآید که این روش به دلیل انسان ً محوری آن قطعا ایراداتي عمده را به همراه خواهد داشت و علاوه بر آن خطاي پیشبینی نیز دامنهي بسیار بالایي دارد.
اقلیم شناسان و هواشناسان غالبا با مسائلي از قبیل برآورد دما، بارش، سرعت باد و غیره روبهرو هستند که به دلیل پیچیده بودن ماهیت آنها و عدم قطعیت در تخمین پارامترها، نیاز به مدلهاي پیچیدهاي جهت توصیف آنها ميباشد.
یکي از مهمترین رویکردها در برنامه ریزي و مدیریت منابع طبیعي و انساني به دست آوردن مدلهاي مناسبي جهت تخمین و پیشبینی ميباشد. مدلهاي رگرسیوني و سریهای زمانی از مدلهاي قدیمي در این زمینه ميباشند بدینجهت ضرورتي براي جانشیني مدلهاي قدیمي ایجاد ميشود.
یکي از این مدلها شبکه هاي عصبي مصنوعي هستند. جذابیت اصلي آنها، ایجاد رابطه بین داده هاي ورودي و خروجي بدون در نظر گرفتن رابطهي فیزیکي ميباشد در همین راستا نیز امروزه کاربرد شبکه هاي عصبي به ویژه در شبیه سازي تغییرات عناصر اقلیمي از طریق مدل هاي گردش عمومي در مقیاس منطقه اي رونق یافته است. امروزه در پیش بینی پاره اي از کمیت ها، از روش هاي هوشمند که ابزاري قدرتمند در بهینه سازی مدل هاي پیش بینی است استفاده ميشود.
یکي از این روش ها شبکه هاي عصبي مصنوعي است که علت اصلي مقبولیت و استفاده ي روزافزون از آنها، قدرت و سرعت بالا در شبیه سازی فرآیندهایي است که درك و شناخت درستي از آن وجود نداشته و یا بررسي آنها با دیگر روش هاي موجود، بسیار دشوار و وقت گیر است.
مي توان اظهار داشت مدل شبکه عصبي مصنوعي، مدلي قوي با توانمندي بالاست که مي توان با دیدگاهي مثبت در پیشبیني مسائل اقلیمي به آن نگریست؛ به ویژه اینکه قادر است قانون حاکم بر داده ها، حتي داده هاي مغشوش را استخراج نماید.
این امر ما را بر آن داشت که کتابی در زمینهی شبکههای عصبی مصنوعی با تأکید بر علم اقلیمشناسی به رشته تحریر درآوریم که در آن به معرفی و آموزش شبکه های عصبی در نرم افزارهای رایج و پرکاربرد با مثال های اقلیمی جهت آشنایی دانشجویان و پژوهشگران رشته های جغرافیا، کشاورزی، هواشناسی و سایر علوم مرتبط پرداخته شود.
کتاب حاضر بر اساس تجارب عملی و آموزشی مؤلفین تدوین شده و سعی بر آن بوده است بر جنبه های کاربردی مطالب تأکید گردد.
در بیشتر موارد از مقالات و مثالهای آموزشی که مؤلفین با استفاده از این مدل انجام دادهاند بهره گرفته شده است.
محتوای کتاب
این کتاب مشتمل بر چهار فصل میباشد که در فصل اول به مبانی شبکه های عصبی مصنوعی اشاره میشود و سپس به تاریخچه شبکه های عصبی پرداخته خواهد شد و در ادامه به انواع شبکههای عصبی اشاره میشود.
در فصل دوم به آموزش و طراحی شبکه عصبی مصنوعی در نرمافزار MATLABپرداخته میشود؛
در فصل سوم نیز به آموزش و طراحی شبکه عصبی مصنوعی در نرمافزار SPSSپرداخته خواهد شد. سپس آموزش و طراحی شبکه عصبی مصنوعی در
نرمافزار NeuroSolutionدر فصل چهارم تشریح میشود.
