محمدجواد عابدینی - استادیار بخش مهندسی راه و ساختمان، دانشگاه شیراز
امید پولادی - کارشناس ارشد سازه های هیدرولیکی، دانشکد ه مهندسی، دانشگاه شیراز

برنام هریزی، توسعه، مدیریت و بهره برداری بهینه از سیستمهای منابع آب به اطلاعات متنوعی در زمینه های هواشناسی، هیدرولوژی، اقتصادی، اجتماعی،... نیازمند می باشد. در این میان، یزشهای جوی خصوصٌا بارندگی از مهمترین فرآیندهای چرخه هیدرولوژیکی بوده و تنها در صورت وقوع آن فرآیندهایی نظیر سیلاب، فرسایش، رسوبگذاری، آلودگی آبهای سطحی و زیرزمینی و ... بوقوع می پیوندد. این فرآیند از بیشترین تغییرات مکانی و زمانی برخوردار بوده و کمیت بخشیدن به آن در مکان و زمان همواره مورد توجه محققین مختلف بوده و هست. از اطلاعات بارندگی به طور معمول در مطالعات برآورد نیاز آبی گیاهان موجود در الگوی کشت، تحلیل منطقه ای، آنالیز دوره خشکسالی و ترسالی و پیش بینی به هنگام سیلاب استفاده بعمل م یآید. تغییرات قابل ملاحظه بارندگی در زمان و مکان از یک سو و قلت ایستگاههای باران سنج معمولی در ثبت عمق بارندگی روزانه از سوی دیگر ضرورت تبیین مدلهای تخمین بارندگی را در زمان و مکان و خصوصًا مکان امری اجتناب ناپذیر می نماید. اخیرًا شبکه عصبی مصنوعی در شبیه سازی فرآیندهای شدیدًا غیر خطی، غیر محدب و دارای ابعاد زیاد استفاده شده است.

برآورد منطقه ای بارندگی، شبکه عصبی مصنوعی، برآورد مکانی بارندگی،کریجینگ