پیشبینی دمای هوای پاریس با بهره گیری از متغیرهای هواشناسی و شبکه های عصبی Recurrent

چکیده:

دمای هوا بر زندگی انسان تاثیر فراوانی دارد و می­تواند باعث تغییرات بسیاری در روند زندگی روزمره شود. پیش­بینی دقیق دمای هوا، امروزه به یکی از چالش­ های اساسی تبدیل شده است و تکنولوژی­ های فراوانی برای این امر بکار گرفته شده­اند.ماهواره ­ها و نیز نرم­ افزارهای مخصوص هواشناسی از جمله­ ی این تکنولوژی­ ها هستند که می ­توانند به افزایش دقت پیش­ بینی کمک کنند.

با بررسی عوامل موثر بر دمای یک منطقه، می­توان دریافت که این متغیر از متغیرهای دیگری همچون میزان رطوبت هوا، میزان فشار هوا و … تاثیرپذیر است. بطوریکه تغییر در هر یک از این دو متغیرها می­تواند منجر به تغییر دما نیز بشود. یا بعبارت دیگر میان این متغیرها و متغیر دما نوعی همبستگی[1] وجود دارد.

در این تحقیق سعی می­شود با استفاده از دیتای هواشناسی مربوط به شهر پاریس و استفاده از متغیرهای روزانه­ی هواشناسی مربوط به سال­های 1981 تا 2019 این شهر، به پیش­بینی مقدار دمای میانگین هوا در روز بعد پرداخته شود.

به منظور انجام این پیش­بینی از شبکه­های عصبی نوع LSTM استفاده می­شود که نوع خاصی از شبکه­های عصبی Recurrent است و نتایج با مقادیر واقعی مقایسه می­شود تا صحت عملکرد مدل احراز شود.

دیتای پروژه از اینجا دانلود شده است:

وارد این آدرس شوید https://power.larc.nasa.gov/ و بعد از انتخاب گزینه ی power data access viewer لوکیشن رو انتخاب میکنی و نوع دیتای درخواستی رو تعیین میکنی و بعد سایت لینک دانلوددیتا رو در اختیار شما قرار می دهد.

شهر مورد بررسی: پاریس. متغیرهای مورد استفاده: دما، فشار، رطوبت بصورت روزانه طی 20 یا 30 سال گذشته. با استفاده از شبکه ی عصبی LSTM(نوع خاصی از شبکه های عصبی Recurrent) مقدار دما برای روز آینده پیش بینی میشود. در محیط google collab هم کدنویسی انجام میشه به زبان پایتون.