پیش بینی آماری بلندمدت بارش فصلی شهر مشهد توسط سیستم فازی-احتمالاتی

امروزه پیش بینی سری های زمانی بخصوص در سیستم های پیچیده نظیر مدل های هیدرولوژیکی و پیش بینی هوا و بارش، مراکزو محققان زیادی را بسوی خود جلب نموده است. بیشتر روش های پیش بینی براساس شیوه های کلاسیک آماری می باشند که شالوده اینروش ها انتخاب پارامترها و ساختار دینامیکی مناسب و مطلوب توسط طراح بوده و به قضاوت و درک انسان وابسته هستند و عناصرذهنی در پیاده سازی آنها دخالت دارند. در عمل مدل سازی این گونه سیستم ها با روش های کلاسیک آماری که اغلب با محاسبات زیاد صورت می گیرد بسیار سخت و پیچیده است، در حالی که بکارگیری سیست مهای هوشمند نظیر شبکه های عصبی و فازی اغلب نتایج قابل قبولی را ارائه نموده است. در این تحقیق به کمک سیستم های فازی -احتمالاتی مدلی برای پیش بینی فصلی بارش در شهر مشهد ارائهمی شود. در این مدل الگوهای ورودی به صورت یک سری زمانی از داده های سال های قبل می باشد. این داده ها از طریق ایستگا ه های سینوپتیکی سازمان هواشناسی ایران و در طول 54 سال در خلال سا لهای 1951 تا 2005 گردآوری شده است. با توجه به تعداد کم داده های موجود، این شیوه نسبت به روش های کلاسیک آماری و شبکه های عصبی نتایج بهتری را ارائه م ینماید و در مقایسه با روش عصبی-فازیANFISهمچنین روش کلاسیک آماریARIMA خروجی سیستم پیشنهادی قابل قبول است.

کلیدواژه ها:

پیش بینی بلندمدت سری زمانی بارش فصلی ، سیستم های فازی -احتمالاتی ،