اصلاح پیش بینی فرآیندتوفان حاره ای با انتخاب ویژگی های موثر

انتخاب ویژگی های مناسب برای بررسی و پیش بینی هر کمیت جوی مرتبط با یک پدیده هواشناسی از قبیل وقوع توفان حاره ای یکی از چالش های اساسی شناسایی سامانه و مدل سازی آن است. در این تحقیق روش های گوناگون استخراج ویژگی از قبیل جست وجوی پی در پی پیشرو، پسرو، معیار همبستگی متقابل، تحلیل مولفه های اصلی و تحلیل عامل های اصلی برای استخراج کمیت های مرتبط با سرعت باد در ارتفاع 10 متری از سطح زمین در زمان وقوع پدیده توفان حاره ای اعمال شده است. در این بررسی فقط داده های 45 متغیر متفاوت در محدوده فعالیت توفان حاره ای گونو که در اوایل ماه ژوئن 2007 منطقه دریای عرب، دریای عمان و خلیج فارس را در نوردید و خسارت زیادی را به جنوب و جنوب شرقی ایران، شرق کشور عمان وارد ساخت پردازش شده است. ازآنجاکه برای استفاده از شبکه عصبی و منطق فازی نیاز به داده های آزمون و اعتبار سنجی است از داده های توفان حاره ای یمین که در اواخر ماه ژوئن همان سال در خلیج بنگال و خلیج فارس شکل گرفت درحکم داده آزمون و از داده های توفان حاره ای نرجس که در اوایل ماه مه 2008 در خلیج بنگال رخ داده بود به منزله داده اعتبار سنجی استفاده شده است. کمیت های انتخابی نهایی بعد از استخراج ویژگی درحکم ورودی به شبکه استنباط فازی-عصبی تطبیقی(ANFIS) که خروجی آن سرعت باد در ارتفاع 10 متری از سطح زمین است داده شد و مقدار شاخص خطا در حالت های متفاوت آموزش شبکه تعیین و در داخل جدولی آورده شده است.