محسن ابراهیمی - کارشناس ارشد مهندسی محیط زیست، موسسه آموزش عالی لقمان حکیم گلستان،
مشکان ابراهیمی - کارشناس ارشد آمار ریاضی، دانشگاه آزاد تهران شمال

گسترش سریع استفاده از شبکه های عصبی مصنوعی (ANN) به عنوان مدل تجربی و کارآمد در علوم مختلف از جمله هواشناسی و اقلیم شناسی نشان دهنده ضرورت ارزش بالا مطالعه ی این مدلهاست پیش بینی بارش برای اهداف مختلفی نظیربرآورد سیلاب، خشکسالی، مدیریت حوضه ی آبریز، کشاورزی و ... دارای اهمیت بسیاری است. دراین مبحث، پیش بینی سالانه با استفاده از شبکه های عصبی مصنوعی به عنوان یک روش غیر خطی جهت پیش بینی بارش استفاده شده است، با استفاده از اطالعات بارش ماهانه ی شهرستان شاهرود در مدت 28 سال )1393 – 1365( به عنوان ورودی های شبکه عصبی پرسپترون چند لایه (MLP) و با استفاده از ابزار سری های زمانی، پیش بینی بارش انجام گرفته است. بدین منظور از امکانات و توابع موجود در محیط برنامه نویسی نرم افزار Matlab بهره گرفته شده است. پس از بررسی معیارهای آماری برازش مابین مقادیر واقعی و مقدار پیش بینی شده و همچنین میانگین مجذور مربعات خطا می توان نتایج را بیان و ارزیابی نمود .

شبکه عصبی مصنوعی، هواشناسی، پیش بینی، بارش، شاهرود، Matlab