مهسا علیدوستی شهرکی - دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه آزاد اسلامی واحد کرمان، ایران
وحید عظیمی - دانشآموخته گروه مهندسی آب، دانشکده کشاورزی دانشگاه تبریز، ایران.
سیدصابر شریفی بناب - دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، ایران

بارش یکی از مهمترین پدیدههای اقلیمی است که سرتاسر کره خاکی را تحت تأثیر خود قرار می دهد اما ازمقدار نزولات اندکی صرف تولید محصول می گردد. لذا آن قسمت از بارش که در دوره های رشد گیاه دریافتشده و برای تولید محصول مورد استفاده قرار می گیرد به نام باران موثر شناخته می شود. در این تحقیق بهمقایسه شبکه عصبی مصنوعی با شبکه عصبی- موجک در تخمین بارش مؤثر پرداخته شده است. بدین منظور بارش مؤثر در ایستگاه تبریز برای داده های ماهانه سال های 1982 تا 2008 با استفاده از رابطه SCS محاسبه گردید. دادههای تبخیر- تعرق مرجع، بارش، دمای حداقل و حداکثر، رطوبت نسبی و سرعت باد در سناریوهای مختلف برای مدلسازی بکار برده شد. از 240 سری داده ماهانه برای آموزش و از 84 سری داده برای تست سناریوهای شبکه های عصبی مصنوعی و عصبی- موجک استقاده گردید. نتایج بدست آمده نشان می دهد شبکهعصبی- موجک به مراتب عملکرد بهتری در پیش بینی بارش مؤثر از روی داده های هواشناسی دارد. در شبکه عصبی مصنوعی، رطوبت نسبی و در شبکه عصبی- موجک، سرعت باد مؤثرترین پارامترهای هواشناسی هستند که در رابطه SCS وجود ندارند.

بارش مؤثر، رطوبت نسبی، دمای حداقل و حداکثر، سرعت باد، شبکه عصبی مصنوعی، شبکه عصبی- موجک