پيش بيني بلندمدت بارش با استفاده از سيگنال هاي هواشناسي : كاربرد شبكه هاي عصبي مصنوعي

در اين مقاله مدل هايي بر مبناي شبكه هاي عصبي مصنوعي به منظور پيش بيني بلند مدت بارش حوزه هاي غربي ايران با در نظر گرفتن اثر سينگال برزگ مقياس اقليمي به عنوان پيش بيني كننده هاي بارش (predictors ) ارائه مي¬گردد. سينگال¬هاي اقليمي مورد استفاده عبارت از فشارو دماي سطح دريا، اختلاف فشار سطح دريا و ارتفاع معادل سطح 500 هكتوپاسكال در نقاط شاخص مي¬باشند. اين نقاط شاخص مكان¬هايي در درياهاي مديترانه و سياه، گرين لند و آزور را در برمي¬گيرند. متوسط شش ماهه ژوئن تا نوامبر سيگنال¬هاي فوق الذكر به عنوان ورودي مدل¬هاي شبكه¬هاي عصبي در نظر گرفته شده ومتوسط بارش ماه¬هاي ژانويه تا ژوئن سال بعد نيز،كه درصد قابل ملاحظه¬اي از بارش سالانه خواهد بود، خروجي اين مدل¬ها را تشكيل مي¬دهد. براي مدلسازي سيستم از شبكه¬هاي عصبي تاخير زماني با الگوريتم يادگيري تطبيقي استفاده مي¬گردد. به منظور مقايسه، مدل آماريARMAX نيزبراي پيش¬بيني بارش منطقه به كار گرفته مي¬شود. نتايج بدست آمده حاكي از كارآيي مناسب و دقت قابل قبول شبكه¬هاي عصبي مصنوعي درپيش¬بيني بلندمدت بارش است .ازنتايج اين روش مي¬توان جهت تخمين وضعيت بارش سال آينده و به تبع آن در برنامه¬ريزي و مديريت بهينه¬ي منابع آب استفاده نمود.