نوع مقاله : مقاله علمی پژوهشی

نویسندگان

• محمدعلی قربانی ¹
• سرور پوربابک ²
• حسین جباری خامنه ³
• اسماعیل اسدی ⁴
• محمدحسن فاضلی فرد ⁵

¹ دانشیار گروه مهندسی آب دانشکده کشاورزی، دانشگاه تبریز

² کارشناس ارشد مهندسی منابع آب، دانشکده کشاورزی، دانشگاه تبریز

³ استادیار گروه آمار و ریاضی دانشکده ریاضی، دانشگاه تبریز

⁴ استادیار گروه مهندسی آب دانشکده کشاورزی، دانشگاه تبریز

⁵ کارشناس ارشد رشته کشاورزی گرایش منابع آب، دانشکده کشاورزی، دانشگاه تبریز

چکیده

چکیده
طبقه­­بندی ایستگاه­های هواشناسی موجب اختصاص حجم زیادی از اطلاعات به چند دسته متجانس کوچک­تر، سهولت استفاده در مدل­سازی و هم­چنین کمک شایانی به گسترش اطلاعات نقطه­ای به اطلاعات منطقه­ای برای نقاط فاقد آمار می­نماید. در این تحقیق 112 ایستگاه هواشناسی پس از بررسی­های اولیه از بین تمام ایستگاه­های سینوپتیک کشور انتخاب و سپس با استفاده از خوشه­بندی فازی و شبکه عصبی مصنوعی کوهونن طبقه­بندی دمائی آنها مورد بررسی قرار گرفت. میانگین دمای سالانه، طول جغرافیایی، عرض جغرافیایی و ارتفاع ایستگاه­ها به­عنوان پارامترهای ورودی معیارهای طبقه­بندی در نظر گرفته شدند. تعداد بهینه خوشه­ها با استفاده از شاخص دیویس-بولدین، محاسبه و ایستگاه­های هر خوشه به تفکیک مشخص و با کمک سیستم اطلاعات جغرافیائی روی نقشه مشخص گردید. در ادامه از پهنه­بندی اقلیمی کشور بر اساس روش دمارتن جهت ارزیابی دقت هر دو روش استفاده گردید. هر چند نتایج حاکی از دقت قابل قبول هر دو روش می­باشد، لیکن خوشه­بندی فازی تا حدودی نسبت به شبکه عصبی کوهونن انطباق بهتری را با پهنه­های اقلیمی حاصل از روش دمارتن نشان می­دهد

کلیدواژه‌ها

• واژگان کلیدی: طبقه‌بندی
• ایستگاه‌های هواشناسی
• خوشه‌بندی فازی
• شبکه عصبی کوهونن

موضوعات

• آب و هواشناسی

عنوان مقاله [English]

Classification of Annual Temperature of Iran Meteorological Stations Using Fuzzy Cluster Analysis and Kohonen Artificial Neural Networks

نویسندگان [English]

• mohammad ali goorbani ¹
• surur poorbabak ²
• hosein Jabari ³
• esmaeil asadi ⁴
• mohammad hasan fazelifard ⁵

¹ Department of Water Engineering, Faculty of Agriculture, the University of Tabriz

² MSc Student, Department of Water Engineering, Faculty of Agriculture, the University of Tabriz.

³ Department of Statistics, Faculty of Math, the University of Tabriz

⁴ Department of Water Engineering, Faculty of Agriculture, the University of Tabriz

⁵ MSc Student, Department of Water Engineering, Faculty of Agriculture the University of Tabriz

چکیده [English]

Abstract
Classification of Meteorological stations, causing a large volume of data to be allocated a smaller homogeneous groups, Ease of use in modeling and also can help to spread the information to point to the lack of regional  data to Statistics regional statistic. Meteorological stations in the region has a crucial role in the management and effective use of information. In this study, 112 stations were analyzed in order to classify regions with fuzzy cluster analysis and Kohonen artificial neural Networks. Four parameters, namely mean annual temperature, longitude, latitude and elevation are considered as the classification criteria for grouping to obtain the optimal number of groups the lowest value of Davies- Bouldin index were used. Demarton climatic zonation was performed to evaluate the spatial distribution of clusters obtained from various methods. The results showed that the fuzzy clustering technique with the Demarton climatic zones is more consistent.

کلیدواژه‌ها [English]

• Keywords: Classification
• Meteorological stations
• Fuzzy cluster analysis
• Kohonen artificial neural Networks
• Climatic zonation