مدل سازی پیش بینی بارش تابستانه حوضه آبریز زاب با استفاده از مدل پرسپترون چند لایه (MLP)

بارش یکی از مهمترین داده های ورودی به سیستم هیدرولوژیکی محسوب می شود که مطالعه و اندازه گیری آن در اکثر موارد برای مطالعه رواناب، خشکسالی، سیلاب و ... ضروری است . همواره اقلیم شناسان سعی می کنند با تجزیه و تحلیل داده های یک یا چند متغییر اقلیمی در گذشته به قوانین و مدل هایی دست یابند تا وضعیت آن را در آینده پیش بینی کنند، یکی از روش های مذکور شبکه های عصبی مصنوعی است که امروزه به طور وسیع در زمینه مدل سازی و پیش بینی پارامترهای اقلیمی مورد استفاده قرار می گیرد. لذا هدف این پژوهش مدل سازی پیش بینی بارش تابستانه حوضه آبریز زاب با استفاده از مدل پرسپترون چند لایه (MLP) است. بدین منظور از متغییر های میانگین ماهانه حداقل و حداکثر رطوبت نسبی، حداقل دما، فشار سطح ایستگاه و مجموع بارش طی دوره آماری 27 ساله از (1391-1365) جهت پیش بینی بارش ماهانه، سالهای 1389 تا 1390 و مقایسه آن با داده های واقعی استفاده گردید. جهت این کار از نرم افزار Matlab بهره گرفته شد . سپس به بررسی شاخص های عملکرد شبکه از جمله ضریب تعیین، مجذور میانگین مربعات خطا ، میانگین مربعات خطا، میانگین مطلق خطا ، درصد نسبی خطا و ضریب همبستگی پرداخته شد. نتایج به دست آمده ضمن تأیید توانایی شبکه های عصبی مصنوعی نشان داد که حداکثر خطای این مدل با داده های واقعی در ایستگاه های پیرانشهر و سردشت به ترتیب 0/14 و 0/04 میلیمتر می باشد که توانایی قابل توجه این مدل را در مدل سازی پیش بینی بارش نشان می دهد.

کلیدواژه ها:

بارش ، تابستان ، پیش بینی ، حوضه آبریز زاب ، شبکه های عصبی