پیش بینی بارش سالانه با استفاده از شبکه های عصبی مصنوعی؛مطالعه موردی: ایستگاه سینوپتیک کرمان

پیش بینی بلند مدت بارش در برنامه ریزی و مدیریت منابع آب، به ویژه در مناطق با اقلیم خشک و نیمه خشک، از اهمیت بالایی - برخوردار است. در این پژوهش، جهت پیش بینی بارندگی سالانه کرمان از داده های بارش روزانه طی دوره آماری 30 سال (2001- 1971) شبکه های عصبی مصنوعی به عنوان یک روش غیرخطی جهت پیش بینی بارش استفاده شد. شبکه مورد استفاده از نوع پرسپترون چند لایه (MLP) و تکنیک یادگیری لونبرگ - مارکوات (LM) می باشد. برای ساخت شبکه، از کد نویسی در محیط نرم افزار متلب استفاده شد. نتایج تحقیق نشان داد که استفاده از شبکه های عصبی مصنوعی با دو لایه پنهان مدل نسبتاً بهتری را ارائه می کند. عملکرد شبکه از طریق معیارهای آماری برازش، از جمله میانگین خطای مطلق، مجذور میانگین مربعات خطا و ضریب ناش ساتکلیف - سنجیده شد. با توجه به معیارهای آماری برازش، از جمله میانگین خطای مطلق و مجذور میانگین مربعات خطا، نتایج نشان داد این مدل از توانایی و دقت بالایی در پیش بینی میزان بارندگی سالانه کرمان دارا می باشد.

کلیدواژه ها:

پرسپترون چند لایه ، پیش بینی ، شبکه عصبی مصنوعی ، کرمان