کتاب شبکه‌ های عصبی مصنوعی در آب‌ و هواشناسی اثر ابراهیم مسگری نشر آذرکلک

اهمیت شبکه های عصبی مصنوعی در آن است که می تواند فرآیندهایی را که به پارامترهای گوناگون و با درجه اهمیت متفاوت بستگی دارند را توصیف و بررسی کند، سپس پاسخ قانع کننده ای ارائه نماید.

پیش بینی هوا از سیستم های غیرخطی و پیچیده و فاقد مدل ریاضی است که به دلیل تغییرپذیر بودن سیستم با زمان، روشهای معمول پیش بینی امکان پیش بینی را غیرممکن و از طرفی با توجه به دارا بودن اهمیت پیش بینی هوا در زمینه های مختلف ازجمله امور اقتصادی، نظامی، کشاورزی، ضرورت پیش بینی مطرح می شود.

کارهایی که در زمینه ی برآورد صورت گرفته اعم از برآوردهای خطی و غیرخطی حاکی از آن است که امکان برآوردهای کوتاه مدت و بلندمدت داده های اقلیمی با دقت محدود وجود دارد. امروزه محققین، با ابداع و پیشرفت علومی چون روش های هوشمند که ابزاری توانمند و انعطاف پذیر هستند، در جستجوی راه هایی فراتر از روش های متداول در شناخت و پیش بینی پارامترهای مهم هوا و اقلیم شناسی می باشند.

یکی از این روش ها، شبکه های عصبی مصنوعی از مؤلفه های هوش مصنوعی است که توانایی محاسبه و تقریب هر تابع حسابی و منطقی را دارند. شبکه های عصبی را می توان با اغماض زیاد، مدل های الکترونیکی از ساختار عصبی مغز انسان نامید. مکانیسم فراگیری و آموزش مغز اساسا بر تجربه استوار است.

مدلهای الکترونیکی شبکه های عصبی طبیعی نیز بر اساس همین الگو بنا شده اند و روش برخورد چنین مدل هایی با مسائل، با روشهای محاسباتی که به طور معمول توسط سیستم های کامپیوتری در پیش گرفته شده اند، تفاوت دارد. حتی ساده ترین مغزهای جانوری هم قادر به حل مسائلی هستند که اگر نگوییم که کامپیوترهای امروزی از حل آنها عاجز هستند، حداقل در حل آنها دچار مشکل می شوند.

درواقع شبکه عصبی مصنوعی ایده ای 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 فوق العاده به هم پیوسته با نام نرون تشکیل شده که برای حل یک مسئله با هم هماهنگ عمل می کند.

با استفاده از دانش برنامه نویسی رایانه میتوان ساختار داده ای طراحی کرد که همانند یک نرون عمل نماید. سپس با ایجاد شبکه ای از این نرون های مصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن را آموزش داد. به دلیل تأثیرات زیادی که آب و هوا روی زندگی اجتماعی و فردی انسان دارد، مراکز بی شماری در سطح جهان مشغول بررسی و تحقیق روی مسائل آب و هوایی هستند.

یکی از مهم ترین کارهایی که در این مراکز انجام می گیرد، پیش بینی اقلیمی وضع هوا یعنی پیش بینی چگونگی تغییرات روزانه وضعیت جو در لایه ی پایین می باشد. این پیش بینی اقلیمی وضع هوا، بر اساس مقادیر زمان حال و مقادیر پیش بینی شده آینده پارامترهای مهم هوا صورت می پذیرد.

برآورد و تخمین با استفاده از این سیستم ها برای اطمینان از اعتبار و عملیات اقتصادی خیلی مهم است. روش های متداول در پیشبینی که امروزه مرسوم است بر مبنای بحث و بررسی بر روی نقشه های پیش یابی تهیه شده بر مبنای داده های ایستگاه های زمینی، ماهواره ای و غیره می باشد سپس این داده ها توسط افراد مورد استفاده قرار گرفت و پیش بینی به عمل میآید که این روش به دلیل انسان ً محوری آن قطعا ایراداتی عمده را به همراه خواهد داشت و علاوه بر آن خطای پیش بینی نیز دامنه ی بسیار بالایی دارد.

اقلیم شناسان و هواشناسان غالبا با مسائلی 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 مدل های پیچیدهای جهت توصیف آنها می باشد.

یکی از مهمترین رویکردها در برنامه ریزی و مدیریت منابع طبیعی و انسانی به دست آوردن مدل های مناسبی جهت تخمین و پیش بینی می باشد. مدل های رگرسیونی و سری های زمانی از مدل های قدیمی در این زمینه می باشند بدین جهت ضرورتی برای جانشینی مدل های قدیمی ایجاد می شود.

یکی از این مدل ها شبکه های عصبی مصنوعی هستند. جذابیت اصلی آنها، ایجاد رابطه بین داده های ورودی و خروجی بدون در نظر گرفتن رابطه ی فیزیکی می باشد در همین راستا نیز امروزه کاربرد شبکه های عصبی به ویژه در شبیه سازی تغییرات عناصر اقلیمی از طریق مدل های گردش عمومی در مقیاس منطقه ای رونق یافته است. امروزه در پیش بینی پاره ای از کمیت ها، از روش های هوشمند که ابزاری قدرتمند در بهینه سازی مدل های پیش بینی است استفاده می شود.

یکی از این روش ها شبکه های عصبی مصنوعی است که علت اصلی مقبولیت و استفاده ی روزافزون از آنها، قدرت و سرعت بالا در شبیه سازی فرآیندهایی است که درک و شناخت درستی از آن وجود نداشته و یا بررسی آنها با دیگر روش های موجود، بسیار دشوار و وقت گیر است.

می توان اظهار داشت مدل شبکه عصبی مصنوعی، مدلی قوی با توانمندی بالاست که می توان با دیدگاهی مثبت در پیش بینی مسائل اقلیمی به آن نگریست؛ به ویژه اینکه قادر است قانون حاکم بر داده ها، حتی داده های مغشوش را استخراج نماید.

این امر ما را بر آن داشت که کتابی در زمینه ی شبکه های عصبی مصنوعی با تأکید بر علم اقلیم شناسی 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.