کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش (مطالعه موردی: ایستگاه سینوپتیک سنندج)

پیش بینی بارش، به عنوان یکی از مهمترین متغیرهای اقلیمی در حوزه مدیریت منابع آب از اهمیت ویژه ای برخوردار است. از اینرو امروزه محققین با ابداع روشهای مستقل از مدل های دینامیکی سیستم، در جستجوی راه هایی بهمنظور شناخت و پیش بینی بهتر متغیرهای مهم هواشناسی از جمله بارش می باشند. یکی از این روش ها، شبکه های عصبی مصنوعی است که از مولفه های هوش مصنوعی محسوب می شود. در این پژوهش، به منظور پیش بینی بارش از داده های ایستگاه سینوپتیک سنندج در مقیاس ماهانه و در دوره آماری (1393-1350) انجام شده است. همچنین به دلیل رفتار غیرخطی بارش، از شبکه های عصبی مصنوعی جهت پیش بینی آن بهره گرفته شد. برای به کارگیری شبکه عصبی، 70 درصد داده ها جهت آموزش شبکه و 30 درصد داده ها نیز برای آزمون و اعتبارسنجی درنظر گرفته شد. در نهایت با انجام آزمون شبکه با لایه های پنهان و ضریب های یادگیری مختلف، مشخص گردید که استفاده از شبکه عصبی مصنوعی پرسپترون با دو لایه پنهان و ضریب آموزش (یادگیری) 0/6 نسبت با دیگر حالت ها و ساختار شبکه عملکرد بهتری را برای پیش بینی دارد. به منظور اطمینان از درستی مقادیر پیش بینی، از آماره های ضریب تبیین و میانگین ریشه مربعات خطا (RMSE) استفاده شد که مقادیر آنها به ترتیب برابر با 0/97 و 0/072 می باشد.

Keywords:

بارش , پیش بینی , شبکه عصبی مصنوعی , ایستگاه سینوپتیک سنندج