Abstract | Keywords | Fulltext | Export | TOC

The research aims to forecast the averages of maximum and minimum temperature averages for Baghdad synoptic station by using the multi-layered neural network. The research deals with two major problems , First , determining the number of input nodes , second , determining the hidden nodes in the layer . The results showed the importance and qualification of the network through the proper choosing for number of input nodes and number of hidden nodes in the layer, by using the statistical procedures AIC , BIC , and ALCc . Then the maximum and minimum temperature averages for Baghdad station has predicted for 2013 by using the previous statistical procedures and compared its results with the real measured data for the station , by using the MSE , MDE , and PMC statistical procedures . and then

يهدف البحث الى التنبؤ بالمعدلات الشهرية لدرجات الحرارة العظمى والصغرى لمحطة بغداد الانوائية باستخدام الشبكة العصبية المتعددة الطبقات وقد تعامل البحث مع مشكلتين رئيسيتين في تحديد هيكلية الشبكة وهما تحديد عددعقد الادخال, وتحديد العقد المخفية في الطبقة, ولقد اوضحت النتائج المستخرجة اهمية وكفاءة الشبكة من خلال الاختيار المناسب لعدد عقد الادخال وعدد العقد المخفية في الطبقة باستخدام المقاييس الاحصائية AICc ,BIC ,AIC . وقد تم تقديرالمعدلات الشهرية لدرجات الحرارة العظمى والصغرى لسنة 2013 باستخدام النماذج المختارة ومقارنتها بالقيم الحقيقية المقاسة في محطة بغداد وبالاعتماد على المقاييس PMC, MDE ,MSE ومن ثم تم اختيار النموذج الافضل لحساب التنبؤات المستقبلية لهذه الدرجات لسنة 2014 .

Multi-Layer Networks --- Back propagation Algorithm --- Automatic Relevance Determation method --- AIC --- Forecasting --- الشبكات العصبية متعددة الطبقات --- خوارزمية الانتشار الخلفي --- طريقة تحديد الصلات اليا --- معلومات اكيكي --- التنبؤ.