تعیین بارندگی در سال های فاقد آمار با استفاده از مدل شبکه عصبی

Abstract

روش های مختلفی به منظور پیش بینی وضعیت بارش، وجود دارد. یکی از روش‌های مدل‌سازی رفتار بارش، شبکه‌های عصبی مصنوعی است که از مؤلفه‌های هوش مصنوعی محسوب می‌شود. در این گونه مدل‌ها بد‌ون در نظر‌گرفتن معادلات پیچیده غیرخطی، می‌توان دینامیک حاکم بر سیستم را استخراج نموده و از این طریق، خروجی‌های مدل را پیش‌بینی نمود. بنابراین با هدف ساده سازی پیش بینی بارش در این تحقیق، با استفاده از اطلاعات بارش سالانه 39 ایستگاه کامل در دوره آماری (1390-1375)سال شمسی در مدل‌سازی و سپس پیش‌بینی بارش سالانه 26 ایستگاه ناقص به کمک شبکه های عصبی مصنوعی صورت گرفته است. پس از بررسی معیار های آماری برازش، از جمله ضرایب روابط رگرسیونی بین مقادیر واقعی و پیش‌بینی شده بارش، ضریب همبستگی(R) محاسبه شد و نشان داده شد که پیش‌بینی سالانه بارش، با دقت قابل قبولی انجام شده است. چنان‌چه به طور مثال در بهترین مدل، میزان ضریب همبستگی 99/0 به دست آمده است.