Bu çalışma meteoroloji istasyonları ve ilgili kurumlarca geniş kabul göreceği tahmin edilen yapay nöral ağ temelli bir uygulamadır. Bu çalışmada tahmin edici (predictor) olarak Widrow-Hoff öğrenme metoduna dayalı Grup Metoduyla Veri İşleme(GMDH) ağı geliştirilerek kullanılmıştır. GMDH ağı belli periyotlarla hazırlanan meteorolojik parametrelere uygulanmış ve GMDH ile tahmin edilen değerlerle ölçülen gerçek değerlerin yüksek performansta uyum içerisinde oldukları gözlenmiştir. Sonuç olarak GMDH metodu tahminde oldukça etkili bir nöral ağ tipidir. Bu uygulama Aktüel basınç, Maksimum Sıcaklık, Maksimum ve Minimum Nisbi Nem olmak üzere 4 data grubu üzerinde simüle edilmiş ve çok düşük hatalarla iyi sonuçlar elde edilmiştir.

This study describes a meteorological parameters forecasting system determined as ANNMPF (Artificial Neural Network Meteorological Parameters Forecaster) which can be received wide acceptance by the observation centres and related organisations with meteorological parameters. The GMDH (Group Method of Data Handling) was used as a predictor in Widrow-Hoff learning rule. A GMDH network based on Widrow-Hoff learning has been developed for prediction tasks. The implementation of the new GMDH network is simpler than the original GMDH network due to the simplicity of the Widrow-Hoff Learning Rule. The proposed GMDH network has been applied successfully to the data sets and has been tested in real time series data, The results obtained by GMDH have been found to be in good agreement with actual results. The results have shown that the GMDH network is effective in prediction.