مقایسه و پیش بینی تغییرات دمای سالانه تبریز با ناهنجاری های دمایی کره زمین با استفاده از روش های رگرسیون خطی و شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)
حوزههای تخصصی:
در این تحقیق داده های مربوط به ناهنجاری های دمایی کره زمین و دمای متوسط سالانه ایستگاه تبریز در طی دوره آماری 2003-1951 مورد استفاده قرار گرفته اند. روش های اصلی بکار گرفته شده در این مطالعه عبارت از: روش تعیین ضریب همبستگی پیرسون، تحلیل مولفه روند سری های زمانی، رگرسیون خطی ساده، رگرسیون پولی نومیال به عنوان یک روش نیمه خطی و شبکه های عصبی مصنوعی هستند. نتایج حاصل از کاربرد و تحلیل همبستگی پیرسون نشانگر همبستگی مثبت و مستقیم معنی داری بین دمای سالانه تبریز و ناهنجاری های دمایی کره زمین است. تحلیل مولفه روند بلندمدت سری های زمانی نشان می دهد که در طول دوره آماری بر دمای متوسط سالانه تبریز افزوده می شود. ناهنجاری های دمایی کره زمین نیز روندی افزایشی از خود نشان می دهد. ارتباط دمای متوسط سالانه تبریز با گرمایش جهانی نیز با استفاده از شبکه های عصبی مصنوعی شبیه سازی شده است. نتایج حاصل از کاربرد روش های مختلف در این مطالعه نشان می دهد که روش شبکه عصبی مصنوعی در مقایسه با روش های رگرسیون خطی ساده و رگرسیون نیمه خطی پولی نومیال درجه 6، روش بهتر و دقیق تری است.