حامد مازندرانی زاده - استادیار گروه علوم و مهندسی آب دانشکده فنی مهندسی، دانشگاه بین المللی امام خمینی (ره) قزوین
پیمان دانش کارآراسته - استادیار گروه علوم و مهندسی آب دانشکده فنی مهندسی، دانشگاه بین المللی امام خمینی (ره) قزوین
معصومه سادات هاشمی طامه - دانشجوی دوره دکتری دانشکده فنی مهندسی، دانشگاه بین المللی امام خمینی (ره) قزوین

بارندگی یکی از اجزای اصلی چرخهی هیدرولوژی است. اندازهگیری نقطهای بارندگی، عدم پراکنش مناسب ایستگاههای هواشناسی و همچنین عدم دسترسی به برخی مناطق برای اندازهگیری باعث پیدایش روشهایی برای برآورد دادههای معتبر در مناطق فاقد آمار شده است. شبکه عصبی مصنوعی در چند دهه اخیر و در مطالعات صورت گرفته برای مدلسازی سیستم پیچیده و غیرخطی قابلیت بسیار بالایی از خود نشان داده است. برای این منظور پژوهشی در استان قزوین در 36 ایستگاه هواشناسی در 6 سال آماری انجام شد. سپس با استفاده از مقادیر بارندگی بهعنوان خروجی هدف، شبکه های مختلفی با ساختارهای متفاوت تعریف و آموزش داده شد. 20 % دادهها بهطور تصادفی برای ارزیابی شبکه ها استفاده شد. درنهایت دادههای پیشبینی شده توسط شبکه های مختلف با شاخص آماری میانگین انحراف خطاMBEمجموع مربعات خطاSSE و ضریب همبستگیR2 مقایسه شد

شبکه عصبی، دادههای بارش، تخمین، منحنی هم بارش