انجمن کامپیوتر ایران

شبكه‌های عصبی یكی از روش‌های پركاربرد در یادگیری سیستم‌های هوشمند است كه كارایی بسیار بالایی در یادگیری الگوهای آموزشی دارد. در این مقاله سعی بر این شده است که با استفاده از شبکه عصبی مدل مخچه CMAC*) ) به پیش‌بینی پارامترهای هواشناسی بپردازیم و در واقع با استفاده از یک مثال عملی و بارز برتری مدل‌های هوشمند نظیر CMAC را نسبت به مدل‌های خطی از جمله ARMA بررسی کنیم. در ادامه سعی بر این شده است که با استفاده از بهینه‌سازی پردازش تکاملی، قابلیت پیش بینی روش خطی ARMA را بالا ببریم. این مقاله نشان می‌دهد که با استفاده از روش‌های خطی بهینه شده توسط الگوریتم ژنتیک می‌توان کارآیی آن را به نحو چشمگیری افزایش داد به گونه‌ای که شبکه مدل مخچه ارائه شده، قادر نیست رفتار دینامیکی پارامترهای هواشناسی را در مقایسه با روشARMA تعمیم یافته بوسیله الگوریتم ژنتیک پیش‌بینی نماید.