راضیه توکلی - دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
محمدرضا اکبرزاده توتونچی - دانشگاه فردوسی مشهد
امین علیزاده - دانشگاه فردوسی مشهد

در سالهای اخیر توانایی شبکههای عصبی در طبقهبندی، تشخیص و کشف الگوهای بسیار پیچیده بخصوص در زمینه مدلسازی هیدرولوژیکی و پیشبینی کوتاهمدت هوا نشان دادهشدهاست. معمولأ از شبکههای عصبی در پیشبینی کوتاهمدت استفادهمیگردد و به تجربه نشان داده شده است که در پیشبینیهای بلندمدت چندان کارایی ندارند. بیشتر روش های پیش بینی براساس شیوههای کلاسیک آماری هستند که پایه و اساس آن، انتخاب پارامترها و ساختار دینامیکی مناسب و مطلوب توسط طراح می باشد و البته این روشها نیز در پیشبینی بلندمدت چندان مطلوب نیستند. در این مطالعه با کمک روش تحلیل آماریLeave-one-outدر طول آموزش شبکههای عصبی، مدلی برای پیشبینی فصلی بارش در شهر مشهد ارائه میشود. در مدل ارائه شده الگوهای آموزشی و اعتبارسنجی و تست به عنوان یک سریزمانی از دادههای ماههای قبل بدست آمدهاست. این دادهها از طریق ایستگاههای سینوپتیکی سازمان هواشناسی ایران و در طول 54 سال گردآوری شدهاست. در انتها بارش باران برای سالهای 2001 تا 2005 پیشبینی گردیدهاست.با توجه به تعداد کم دادههای موجود، این روش نسبت به روشهای کلاسیک آماری و شبکه عصبی ساده بهتر عمل میکند و در مقایسه با روش عصبی-فازیANFISو همچنین روش کلاسیک آماریARIMA نتایج بهتری را ارائه مینماید.

پیشبینی بلندمدت سریزمانی بارش فصلی،شبکههای عصبی، روش تحلیل آماری.Leave-One-Out