زینب عرب اسدی - دانشکده فنی و مهندسی و علوم پایه، دانشگاه بجنورد
علی اصغر یاری فرد - دانشکده فنی و مهندسی و علوم پایه، دانشگاه بجنورد
مهران گرمه ای - دانشکده فنی و مهندسی و علوم پایه، دانشگاه بجنورد

پیش بینی بارش برای برنامه ریزی و مدیریت بحران آب دارای اهمیت بسیار زیادی می باشد و علم بهآن کمک شایانی در جهت تصمیم گیری درست برای مدیریت بحرانهای طبیعی ناشی از آن مثلسیل و خشکسالی می نماید. در این بین روشهای مختلفی برای پیش بینی این پدیده صورت گرفتهاست و در سالهای اخیر روش های هوش مصنوعی جایگاه ویژه ای در پیش بینی این پدیده به دستآورده است. در این تحقیق سعی گردیده است که کارایی شبکه های عصبی مصنوعی در پیش بینیبارش مورد ارزیابی قرار گیرد و برای بهبود نتایج به دست آمده از براورد شبکه عصبی، مدل مورد نظررا با الگوریتم فاخته ترکیب نموده ایم و ترکیب شبکه با ویژگی های تعیین شده با الگوریتم فاختهباعث کاهش خطا و افزایش میزان رگرسیون شده و مدل بهتری ارایه می کند. با استفاده از مدل ترکیبیارایه شده به پیش بینی بارش باران در ایستگاه هواشناسی استان خراسان شمالی پرداخته ایم. براساسنتایج بدست آمده که میزان خطا 0.09025 و میزان رگرسیون 0.92087 می باشد می توان نتیجهگرفت مدل ترکیبی ارایه شده کارایی وعملکرد بهتری دارد.

شبکه عصبی ، الگویتم تکاملی، الگوریتم فاخته، پیش بینی بارش