تخمین بارش روزانه حوضه آبریز مرکزی ایران با استفاده از دمای قله ابر و شبکه های عصبی

رو شهای جدید برای تخمین بارش ، استفاده از مجموعه داده زمینی و ماهوار های به کمک مدل های یادگیری ماشین از جمله شبکه های عصبیمی باشد. در این پژوهش، از مجموعه داده بارش روزانه ایستگاه های همدید هواشناسی طی بازه زمانی ۴ ساله از ابتدای سال ۲۰۱۹ تا انتهای سال۲۰۲۲ در محدوده حوضه آبریز مرکزی ایران استفاده شده است. دمای روشنایی ماهوار ههای نسل دوم متئوست ۸ و ۹ در دو کانال فروسرخ با طولموج های ۱۱ و ۷ / ۶ میکرومتر همراه ب ا مشخصات جغرافیایی ایستگاه های هواشناسی شامل ارتفاع، طول و عرض جغرافیایی به منزله متغیرهای ورود یو بارش ثبت شده در ایستگاه ها به منزله متغیر خروجی مدل های شبکه عصبی در نظر گرفته شده است. برا ی آموزش مد لهای شبکه عصبی، ۷۵درصد از مجموعه داده، روزهای بارشی، به منظور آموزش مد ل، ۱۵ درصد برای اعتبارسنجی و ۱۰ درصد برای آزمون نهایی مدل اختصاص یافته است.میانگین ضریب همبستگی بین بارش های روزانه ایستگاهی و بارش بروندا د مد لها، برای شبکه عصبی پرسپترون با دولایه پنهان ۶۵ / ۰، مدل شبکهعصبی رگرسیون تعمیم یافته ۵۵ / ۰ و برای مدل سامانه استنتاج فازی-عصبی تطبیقی ۴۷ / ۰ به دست آمده است. مقایسه نتایج نشان می دهد، که هرسه مدل در بارشهای نزدیک به ۳ میلیمتر، تخمینی با صحت ۹۰ درصد به بالا در قیاس با بارش روزانه ایستگاه ها را دارند. با توجه به توزیع غیرنرمال با چولگی مثبت بارش ایستگاه ها، تخمین مدل ها در بارش های زیاد دارای بیشترین خطا می باشد.

کلیدواژه ها:

دمای روشنایی ، سامانه استنتاج فازی -عصبی تطبیقی ، شبکه عصبی پرسپترون ، شبکه عصبی رگرسیون تعمیم یافته