fa پیش بینی دماهای ماهانه ایستگاه های همدید منتخب استان اصفهان، با استفاده از شبکه عصبی مصنوعی پرسپترون چندلایه هواشناسی و اقلیم Climatology پژوهشی اصیل Original Research <p style="text-align: justify;">پیش بینی دما از کاربردی ترین برآوردهای عناصر آب و هوایی است. امروزه بخش های کشاورزی و صنعت وابستگی&nbsp;زیادی به شرایط دمایی (آب و هوا) دارند. دما یکی از فراسنج های بسیار مهم آب و هوایی است و از عوامل اصلی هویت&nbsp;آب و هوایی هر ناحیه محسوب می شود. هدف از انجام این پژوهش، مدل سازی برای پیش بینی میانگین دمای ماهانه&nbsp;ایستگاه های منتخب استان اصفهان است؛ از این رو، پس از بررسی طول دوره آماری ایستگاههای موجود در استان، سه&nbsp;ایستگاه همدید ازن سنجی، شرق اصفهان و کاشان انتخاب شدند. از آنجا که روش شبکه عصبی مصنوعی، توانایی&nbsp;زیادی در شبیه سازی و پیش بینی عناصر جوی و آب و هوایی؛ بویژه دما دارند، برای مدل سازی و پیشبینی دمای ماهانه&nbsp;از این روش استفاده شد. شبکه عصبی مصنوعی، یکی از قدرتمندترین مدل هایی است که قادر به دریافت و نمایش&nbsp;پیچیده روابط ورودی و خروجی داده هاست. یکی از پرکاربردترین مدلهای شبکه عصبی مدل پرسپترون چندلایه (MLP) است. برای تعیین بهترین ورودی های شبکه، پس از سعی و خطای بسیار در نهایت ساختاری با استفاده &nbsp;از میانگین دمای 7 ماه قبل برای پیش بینی دمای ماه بعدی انتخاب شد. بدین ترتیب، دمای ماهانه برای 24 ماه آینده پیش بینی شد که در این حالت بهترین همبستگی را بین داده ها نشان داد. بدین منظور، از نرم افزار متلب 2013 بهره گرفته شد. در تمام ساختارهای شبکه از یک لایه پنهان متشکل از 30 نرون استفاده شد. تمامی ایستگاه ها با یک لایه پنهان به جواب رسیدند و نیازی به افزایش تعداد لایه های پنهان تشخیص داده نشد. برای آموزش شبکه از الگوریتم مارکوارت&ndash; لونبرگ استفاده شد و تمامی شبکه ها با تابع محرک تانژانت هیپربولیک به جواب مطلوب رسیدند. نتایج نشان داد که مدل شبکه عصبی مصنوعی با دقت بالایی قادر به پیش بینی دمای ماهانه است</p> <div style="text-align: justify;">Forecasting of temperature is a very important in meteorology. Air temperature prediction is of a concern in environment, industry and agriculture. Temperature with precipitation are important factors in meteorology and are used in classification of climate. In this paper we want to predict average monthly temperature for chosen station of Isfahan province. An Artificial Neural Network is a powerful data modeling tool that is able to capture and represent complex input /output relationships. Most of the forecasters use a multilayer perceptron network. In this paper for forecasting of monthly average temperature of selection station of Isfahan province we used multilayer perceptron network. we worked on three station. Isfahan, East of Isfahan and Kashan were our stations. We used average temperature of 7 month before for forecasting next month temperature. Thus, we could forecast monthly temperature for 36 month later, in this situation we had the best correlation between data. In this paper we used Matlab software 2013. In all structure of network ,there was a hidden layer with 30 neurons. All stations with hidden layer got answers. For training network used Levenberg &ndash;Marquardt algorithm. All network with motivation function got answer with Hiperbolik tangent. In results we found this model was good for prediction.</div> پیش بینی, دمای ماهانه, شبکه عصبی مصنوعی, استان اصفهان . Forecasting, Monthly Temperature, Artificial Neural Network, Isfahan Province. 241 258 http://georesearch.ir/browse.php?a_code=A-10-398-74&slc_lang=fa&sid=1 Hamid Reza Azizi حمیدرضا عزیزی 10031947532846005314 10031947532846005314 No Department of Geography,Islamic Azad University, Najaf Abad Unit, Esfahan,Iran گروه جغرافیا،دانشگاه آزاد اسلامی، واحد نجف آباد،اصفهان،ایران Majid Montazeri مجید منتظری M.Montazeri@geo.ui.ac.ir 10031947532846005315 10031947532846005315 Yes Department of Geography,Islamic Azad University, Najaf Abad Unit, Esfahan,Iran گروه جغرافیا،دانشگاه آزاد اسلامی، واحد نجف آباد،اصفهان،ایران