محمدتقی ستاری - گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
فرناز نهرین - سازه های آبی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

بارش یکی از مهمترین اجزا چرخه آب بوده و در سنجش خصوصیات اقلیمی هر منطقه ای نقش بسیار مهمی ایفا می کند. پیش بینی مقادیر بارش حداکثر روزانه در ماه برای اهداف مختلفی نظیر برآورد سیلاب، رواناب، رسوب، برنامه ریزی آبیاری و مدیریت حوضه های آبریز دارای اهمیت زیادی است.پیش بینی بارش در هر منطقه ای نیازمند وجود داده های دقیق اندازه گیری شده از قبیل رطوبت، دما، فشار، سرعت باد و غیره می باشد. محدودیت هایی از قبیل نبود اطلاعات کافی در مورد مقدار بارش در مقیاس های زمانی و مکانی و همچنین پیچیدگی روابط بین پارامترهای هواشناسی مرتبط با بارش، محاسبه این پارامتر با استفاده از روش های معمول را غیردقیق و غیرقابل اعتماد می کند. در این تحقیق پارامترهای هواشناسی ایستگاه های اهر و جلفا در استان آذربایجان شرقی، به عنوان ورودی مدل های هوشمند شبکه های عصبی مصنوعی، برنامه ریزی ژنتیک و مدل درختی M۵ تعریف گردید و برای نتایج بدست آمده از این سه مدل دو آماره R و RMSE محاسبه گردید. در دو ایستگاه اهر و جلفا روش برنامه ریزی ژنتیک به ترتیب با (R=۰.۸۸) و (RMSE=۳.۳۲) و (R=۰.۸۷) و (RMSE=۳.۷۹) بهترین نتیجه را نشان دادند. در حالت کلی می توان گفت که هر سه روش مذکور ضمن رقابت با یکدیگر نتایج نسبتا دقیقی را جهت پیش بینی حداکثر بارش روزانه در ماه مورد نظر در منطقه ارائه می کنند ولی به دلیل ارائه روابط خطی ساده و قابل فهم توسط مدل درختی M۵، این روش می تواند به عنوان روشی کاربردی و جایگزین برای محاسبه حداکثر بارش روزانه در ماه مورد توجه قرار گیرد.

اهر و جلفا, برنامه ریزی ژنتیک, پیش بینی بارش حداکثر روزانه, شبکه های عصبی مصنوعی, مدل درختی M۵