پیش بینی بارش ماهانه با استفاده از الگوهای پیوند از دور و شبکة عصبی مصنوعی (مطالعة موردی: حوزة فلات مرکزی ایران)

چکیده مقاله

تحقیق حاضر با هدف بررسی تأثیر شاخص های پیوند از دور بر رخداد بارش ماهانه و پی شبینی بارندگی در حوزة آبخیز فلات مرکزی ایران با استفاده از مدل شبکة عصبی مصنوعی چندگامی مستقیم (DMSNN) با پارامترهای مذکور است. براین مبنا مقادیر بارش طی دورة مشترک آماری 1981-2014 در 20 ایستگاه سینوپتیک منطقة مورد مطالعه انتخاب شد، به طوری که دورة آماری 1981-2004 برای توسعة مدل و سال های 2004-2014 جهت صحت سنجی مدل به منظور پیش بینی شش ماه آینده در مقیاس ماهانه استفاده شد. جهت بررسی میزان دقت مدل، مقادیر مشاهده ای و پیش بینی شدة بارندگی با استفاده از آزمون های z و F مقایسه شدند و به منظور بررسی کارایی مدل، معیارهای R2 و RMSE و MAE استفاده شدند. نتایج نشان دهندة تأثیر قوی شاخص MEI و SOI بر بارش منطقه است. نتایج مدل DMSNN نشان داد که بالاترین کارایی طی یک ماه آینده بخش جنوبی فلات مرکزی با ضریب همبستگی 0/81 و ضعیف ترین نتایج به غرب حوزه با ضریب همبستگی 0/4 مربوط است. براساس نتایج به دست آمده، شبکة عصبی مصنوعی ابزار مفیدی برای پیش بینی بارش ماهانه و برنامه ریزی مدیریت منابع آب طی شش ماه آتی خواهد بود.