زینب گلابی زاده - دانشجوی کارشناسی ارشد جغرافیا وبرنامه ریزی شهری،دانشگاه پیام نور،ایران
محمد بافقی زاده - استادیار، گروه جغرافیا، دانشگاه پیام نور، ایران
پرویز سلیمانی مقدم - استادیار، گروه جغرافیا، انشگاه پیام نور، ایران

سیگنال های اقلیمی الگوهای بزرگ مقیاسی از ناهنجاری های گردش و فشار هوا می باشند که در محدوده جغرافیایی وسیعی گسترش یافته اند. این سیگنال ها در توجیه رفتار اقلیم از اهمیت زیادی برخوردارند و می توانند در تحلیل تغییرات فصلی و سالانه بارش موثر باشند.در این تحقیق از داده های ماهانه سیگنال های بزرگ مقیاس اقلیم نظیر شاخص نوسان جنوبی SOI نوسان اطلس شمالی NAOو AO SOI و پدیده ENSO در مناطق NINO4,NINO3,NINO3.4,NINO2+1 استفاده شده است.تمامیداده های مربوط به سیگنال های فوق از مرکزآنالیز شده NCEP طی سالهای 2591 تا 1123 دریافت گردید.به منظور تعیین موثرترینسیگنال ها بر بارش اهوازاز رگرسیون چند متغیره استفاده شد.نتایج تحلیل رگرسیونی نشان داد که پدیده ENSO به عنوان موثرترین سیگنال در بارش اهواز می باشد.بعد از شناسایی سیگنال های موثر با استفاده از مدل شبکه عصبی مصنوعی . بارش برای بازه های 3و 6 ماهه بررسی شد.تحلیل نتایج مدل شبکه عصبی مصنوعی با داده های مشاهده ای نشان داد فاز گرم ENSO با دوره های پربارش اهواز همراه است. بطور کلی می توان گفت که شبکه عصبی مصنوعی به خوبی رابطه غیرخطی بین مقادیربارش را پیش بینی می کند

ENSO . شبکه عصبی مصنوعی . سیگنال . NCEP . بارش