ارزیابی کاربرد پارامترهای هواشناسی و سری زمانی در پیش بینی بارش

امروزه پیش بینی تغییرات اقلیمی و هواشناسی یکی از چالش های مهم علوم جوی و هیدورولوژی به شمار می رود. بارش، یکی از مهم ترین داده های ورودی به سیستم هیدرولوژیکی است. پیش بینی این پدیده برای اهداف مختلفی نظیر برآورد سیلاب، رواناب، رسوب، مدیریت حوضه آبخیز، کشاورزی و برنامه ریزی آبیاری دارای اهمیت بسیاری است. در این تحقیق پیش بینی بارش در شهرستان سبزوار به عنوان منطقه ای با اقلیم گرم و خشک مورد توجه قرار گرفت. به منظور پیش بینی بارش از دو گروه داده های هواشناسی بارشی و غیربارشی طی سال های 1960 تا 2010، به کمک شبکه عصبی مصنوعی استفاده شد. نتایج اجرای ساحختارهای مختلف شبکه عصبی مصنوعی نشان داد که با لحاظ داده های بارشی به عنوان ورودی شبکه عصبی مصنوعی، مقدار بارش با خطای RMSE=46/16 و MBE=-9/21 میلیمتر پیش بینی شد. در مقابل، با استفاده از پارامترهای هواشناسی باد، میانگین، حداقل و حداکثر رطوبتنسبی، دمای حداکثر، فشار بخار هوا، کمبود اشباع و نقطه شبنم، خطای پیش بینی به RMSE=35/97 و MBE=-3/41 میلیمتر کاهش یافت. با مقایسه مقدار بارش مشاهداتی و پیش بینی شده از ساختار بهینه شبکه عصبی مصنوعی، مقدار ضریب همبستگی 0/80 حاصل گردید. بنابراین، استفاده از داده های هواشناسی غیربارشی در پیش بینی بارش در شهرستان سبزوار را، مناسب تر از داده های بارشی دانست.

Keywords:

بارش , شبکه عصبی مصنوعی , پارامتر هواشناسی , سری زمانی