کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش ماهانه: مطالعه ای در شرق وجنوب استان فارس

مدل سازی فرایندهای هواشناسی به دلیل پیچیدگی و غیرخطی بودن آنها همواره سخت و دشوار بوده است. امروزه استفاده از شبکه عصبی مصنوعی به عنوان یک روش توان مند برای مدل سازی فرایندهای پیچیده گسترش زیادی یافته است. این تحقیق به مدل سازی فرآیند بارش با استفاده از شبکه ی عصبی مصنوعی (برای پیش بینی بارندگی ماهانه) در ایستگاه های شرق و جنوب استان فارس می پردازد. در این تحقیق از شاخص اقلیمی نینوی ۳.۴ و رطوبت نسبی ماهانه به عنوان ورودی مدل برای پیش بینی بارش ماهانه استفاده گردید. داده ها به سه قسمت آموزش %۷۰، اعتبار سنجی ۱۵% و آزمایش ۱۵% تقسیم گردید و مدل برای ایستگاه های مورد نظر اجرا گردید. از معیارهای عملکرد مدل مانند میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MRE)، ضریب همبستگی و ضریب و نش ساتکلیف (NS) برای ارزیابی نتایج استفاده گردید. نتایج نشان داد که در مرحله آزمایش مدل، ایستگاه های درودزن و لار به ترتیب بیشترین و کمترین مقدار RMSE و برابر ۳۸.۲۸ و ۱۵.۶۲ را داشتند، بیشترین و کمترین مقادیر MRE برای مرحله آزمایش به ترتیب برای ایستگاه های تخت جمشید و شیراز برابر ۰.۲۵ و ۰.۱۲ به دست آمد. بیشترین و کمترین مقدار NS در مرحله آزمایش به ترتیب برای ایستگاه های داراب و لامرد برابر ۰.۸۵ و ۰.۵۸ بود. در نهایت، استفاده از شبکه های عصبی به عنوان یک ابزار موثر برای پیش بینی بارش ماهانه در منطقه مورد نظر تایید گردید.

کلیدواژه ها:

پیش بینی ، مدل سازی ، بارش ، شبکه عصبی