پیش بینی بارش روزانه استان کرمان با شبکه های عصبی مصنوعی (مطالعه موردی: کرمان، بافت و میانده جیرفت)

اهداف: هدف این پژوهش، پیش بینی بارش روزانه با استفاده از آمار روزانه هواشناسی ایستگاه های کرمان، بافت و میانده جیرفت، طی دوره مشترک آماری ۲۳ ساله (۲۰۱۲-۱۹۸۹) می باشد. روش: برای دست یافتن به هدف تحقیق، به آموزش شبکه های عصبی مصنوعی با ساختار پرسپترون چند لایه و شبکه عصبی تابع پایه شعاعی پرداخته شد. ترکیب های مختلف پارامترهای کمینه دما، بیشینه دما، میانگین دما، رطوبت نسبی، سرعت و جهت باد و نیز میانگین فشار، به عنوان ورودی های شبکه های عصبی مصنوعی و بارش روزانه به عنوان خروجی شبکه درنظر گرفته شدند. یافته ها/ نتایج: نتایج نشان داد شبکه های عصبی مصنوعی پایه تابع شعاعی از دقت بسیار بیشتر و خطای کمتری نسبت به شبکه عصبی پرسپترون، برای تخمین بارش روزانه در هر سه ایستگاه برخوردار هستند. نتیجه گیری: در بهترین ترکیب با پارامتر های کمینه و بیشینه و حداقل دما و رطوبت نسبی، سرعت و جهت باد و نیز میانگین فشار در ایستگاه کرمان با ضریب همبستگی ۹۰۷/۰ و جذر میانگین مربعات خطای ۰۱۴/۰، بهترین مدل پیش بینی بارش در این تحقیق شناخته شدند.

Keywords:

پیش بینی بارش , شبکه عصبی پرسپترون , شبکه عصبی تابع پایه شعاعی , کرمان , بافت , میانده جیرفت