پیش بینی بارش سالانه استان سیستان وبلوچستان (مطالعه موردی: زابل و ایرانشهر) با استفاده از شبکه های عصبی مصنوعی

بارش یکی از عوامل مهم چرخه هیدرولوژی است که درمطالعات منابع آب، اقلیم شناسی و هیدرولوژی نقش بسزایی دارد زیرابارش تنها عامل ورودی چرخه هیدرولوژی است و در مطالعات ه یدرولوژی به صورت یک س یستم، نیاز به مطالعه وبررسی آن میبا شد . هدف از پژوهش حا ضر پ یشینی بارندگی سالانه )میلی متر( ا ستان سیستان وبلوچستان با ا ستفاده از رو ش های شبکه عصبی مصنوعی) ANN ( و رگرسیون خطی چند متغیره و مقای سه این روشها با یکدیگر و انتخاب روش دقیق تر در پیش بینی بارندگی سالانه است. برا ی تهیه مدل بهینه به منظور پیشبینی بارندگی در مناطق مدنظر ابتدا آمارهواشناسی برای ایستگاه ها ی هوا شنا سی زابل و ایرانشهر طی یک دوره آماری 30 ساله جمع آوری گردید وپس از رفع نواقص آماری و حذف داده های پرت، از آنها برای مدل ساز ی بارش با ا ستفاده از روش شبکه عصبی مصنوعی) ANN ( ا ستفاده شد. در پیش بینی تو سط مدل هو شمند ANN ، متغیرهای تبخیر، میانگین دما، میانگین رطوبت و میانگین سرعت باد به عنوان ورود ی انتخاب شدند و بارندگی نیز به عنوان خروجی مدل در نظر گرفته شده ا ست به ا ین منظور مشخصات شبکه، مانند تعداد لا یه های پنهان، تعداد نرونهای موجود در هر لایه پنهان، تابع فعالیت و الگوریتم آموزش با استفاده از بسته نرم افزاری MATLAB تعیین شد در نهایت دقت این روشها از طریق آماره های ریشه میانگین مربعات خطا، شاخص تطابق و میانگین قدر مطلق خطا، مورد ارزیابی قرار گرفت و روشهای با دقت بالاتر برای برآورد بارندگی مشخص شده ا ست. نتیجه حا صل از برآورد بارندگی نشان از دقت خوب ا ین مدل ها در تخمین بارندگی دارد و در بین آنها شبکه عصبی برآورد بهتری دا شت. بطور یکه بر ا ساس نتا یج آنالیز آماری در سه مرحله آزما یش با شبکه عصبی مقادیر معیارهای RMSE و MAE و D و R2 به ترتیب محا سبه گرد ید. تحلیل نتایج خروجی مدل شبکه عصبی نشان داده که این مدل توانایی بهتر و دقت بالایی برای پیش بینی بارش نسبت به روش های آماری معمول داشته است و با افزایش فاکتور های ورودی شبکه دقت بالاتری را در پیش بینی ارایه میدهد در صورتی که اگر شبکه ورودی کمتری داشته باشد خطای بیشتری را دارا میباشد.

Keywords:

پیش بینی , بارش , شبکه عصبی مصنوعی , زابل , ایرانشهر