خاطره اصغری طاهرگورابی - دانشکده فنی و مهندسی ،گروه کامپیوتر ، واحد بندرعباس ، دانشگاه آزاد اسلامی بندرعباس، ایران
امیر رجبی بهجت - دانشکده فنی و مهندسی، واحد رفسنجان، دانشگاه آزاد اسلامی، رفسنجان، ایران
هدایت الله دلاکی - دانشکده فنی ومهندسی ، واحد بندرعباس ، دانشگاه آزاد اسلامی ، بندرعباس ، ایران.

در این پژوهش دقت مدل پیش­بینی روزانه بارش توسط شبکه عصبی DeepESN و روش رگرسیون چندمتغیره خطی مورد مقایسه قرار گرفته است. در همین راستا داده­های واقعی بارش و همچنین دیگر پارامترهای تاثیرگذار بر آن را با فاصله زمانی روزانه مربوط به ۳۰ سال گذشته از اداره تحقیقات هواشناسی استان هرمزگان دریافت و  از طریق هردو روش فوق مورد تحلیل و بررسی قرار گرفته­اند.  این داده­ها مربوط به شهرهای بندرعباس، قشم و میناب بوده و به جهت نزدیکی شرایط آب و هوایی این سه شهر، داده­ها قبل از ورود به شبکه عصبی و رگرسیون چندمتغیره، میانگین­سازی شده­اند. پیاده­سازی شبکه عصبی DeepESN در نرم افزار متلب و پیاده­سازی روش رگرسیون چندمتغیره خطی در نرم افزار SPSS صورت پذیرفته است. در پایان نتایج نشان داد که مدل پیش­بینی بارش روزانه  مربوط به شبکه عصبی DeepESN نسبت به رگرسیون چندمتغیره خطی دارای مدل پیش­بینی بهتری با استفاده از خروجی توابع ارزیابی بوده است.

پیش بینی بارش روزانه, شبکه عصبی DeepESN, رگرسیون چندمتغیره خطی, توابع ارزیابی, رگرسیون همبستگی