فرشاد کوهیان افضل - کارشناس پژوهشی موسسه تحقیقات آب
جهانگیر پرهمت - استادیار پژوهشکده حفاظت خاک و آبخیزداری

در بسیاری از شبیه سازی های هیدرولوژیکی، علاوه بر تغییرات زمانی بارش، تغییرات مکانی آن نیز از اهمیت زیادی برخوردار است . در مدلهای بارش - رواناب توزیعی، مشخص بودن توزیع مکانی بارندگی یکی از الزامات مدلسازی است و در مدلهای بارش - رواناب یکپارچه نیز توزیع مکانی بارندگی برای تخمین هرچه دقیق تر میانگین بارندگی حوضه مورد نیاز است . برای برآورد توزیع مکانی بارندگی روشهای گوناگونی مورد استفاده قرار می گیرد که از جمله آنها می توان به روشهای زمین آماری و روشهای همبستگی اشاره نمود . در مناطق کوهستانی ( که بخش عمده ای از تولید آب در حوضه ها را بر عهده دارند ) بدلیل کمبود ایستگاههای بارانسنجی، تغییرات زیاد بارش و پیچیدگی ارتباط بارش با پارامترهای اثرگذار بر آن، اهمیت استفاده از روشهای کارآ در برآورد توزیع مکانی بارندگی دو چندان می گردد . مجموعه خصوصیات وسیع شبکه های عصبی مصنوعی (ANN) از آنها ابزار قدرتمندی در نگاشت توابع، خصوصاً توابع غیرخطی بوجود آورده است . در تحقیق حاضر از شبکه عصبی برای برآورد مکانی داده های بارش سالانه حوضه کارون استفاده است . نتایج نشان می دهد که شبکه های عصبی در برآورد مکانی داده های بارش سالانه از توانایی بالایی برخوردار بوده و می توان با استفاده از آنها برآورد قابل قبولی را انجام داد .

شبکه عصبی مصنوعی، برآورد مکانی بارندگی، بارندگی میانگین سالانه، حوضه کارون