مقایسه عملکرد شبکه عصبی مصنوعی در تخمین بارندگی با داده های بارشی و غیر بارشی ( مطلعه موردی : منطقه بیرجند )

اساساً پیش بینی بارش به سبب رفتار بسیار نامنظم و آسوب مندی که از خود نشان می دهد، دشوار، پیچیده و در عین حال حائز اهمیت است. از این رو، در پژوهش حاضر نیز بر آن شدیم تا توانمندی شبکه عصبی مصنوعی را در خصوص پیش بینی بارش، به بوته آزمایش گذاریم. بدین منظور اطلاعات هواشناسی ایستگاه سینوپتیک شهر بیرجند طی دوره 40 ساله ( 1971 تا 2010) به کار گرفته شد. هدفاین پژوهش مقایسه کاربرد داده های هواشناسی بارشی و غیربارشی در تخمین بارش منطقه مورد مطالعه بود. نتایج نشان داد که با کاربرد داده های بارشی، خطای برآورد شبکه عصبی مصنوعی 52/08 درصد با همبستگی 0/20 بود. در حالی که با کاربرد داده های هواشناسی غیربارشی، خطای شبکه عصبی مصنوعی به 30/90 درصد کاهش و ضریب همبستگی به 0/80 افزایش یافت. بنابراین می توان اظهار داشت، کاربرد داده های هواشناسی غیربارشی در تخمین بارش منطقه مطالعه، منجر به افزایش دقت شبکه عصبی مصنوعی می گردد.

کلیدواژه ها:

بارش ، شبکه عصبی مصنوعی ، داده هواشناسی ، غیربارشی ، بیرجند