بررسی عملکرد و پیش بینی بارش با استفاده از ترکیب شبکه عصبی و الگوریتم ازدحام ذرات

تغییرات اقلیمی و افزایش بارشهای شدید در مناطق مستعد سیلاب در ایران، از جمله استان گلستان، چالشهای پیچیدهای در زمینههای انسانی و اقتصادی ایجاد کرده است. این پژوهش به اهمیت مهندسی کامپیوتر در بهبود دقت پیشبینی بارشهای روزانه پرداخته و از دو رویکرد مختلف یادگیری ماشین بهره گرفته است. در مرحله اول، تنها از الگوریتم شبکه عصبی استفاده شد که به نتایجی با میانگین مربعات خطا به ۳۰.۲۵۴، میانگین قدر مطلق خطا به ۱.۴۱۵، ضریب تعیین به ۰.۱۴۱ و دقت ۸۰.۵۷ درصد منجر شد. در مرحله بعد، با ترکیب الگوریتم شبکه عصبی و الگوریتم بهینهسازی ازدحام ذرات، نتایج به طور چشمگیری بهبود یافت و میانگین مربعات خطا به ۲۱.۷۸۷، میانگین قدر مطلق خطا به ۱.۶۳۴، ضریب تعیین به ۰.۱۹۹ و دقت به ۷۳.۶۱ درصد رسید. نتایج این مطالعه نشان میدهد که مهندسی کامپیوتر و استفاده از رویکردهای ترکیبی هوش مصنوعی و الگوریتمهای فراابتکاری میتواند دقت پیشبینی بارش در مناطق حساس و مستعد سیلاب را به طور قابل توجهی افزایش دهد. این پژوهش بر اهمیت روشهای نوین محاسباتی در مدیریت ریسک بالیای طبیعی تاکید میکند و به توسعه راهکارهای موثر برای مقابله با چالشهای ناشی از تغییرات اقلیمی کمک میکند.

کلیدواژه ها:

بارش باران ، یادگیری ماشین ، پیشبینی ، شبکه عصبی ، الگوریتم بهینه سازی ازدحام ذرات