علیرضا برهانی داریان - دانشیار، دانشکده مهندسی عمران دانشگاه خواجه نصیرالدین طوسی،
محمدرضا اشرفی گل - کارشناسی ارشد، دانشکده مهندسی عمران دانشگاه خواجه نصیرالدین طوسی
فرزانه کرمی - کارشناسی ارشد، دانشکده مهندسی عمران دانشگاه خواجه نصیرالدین طوسی

پیش بینی بلندمدت بارش در برنامه ریزی و مدیریت منابع آب، خصوصا در مناطق با اقلیم خشک و نیمه خشکی همچون کشور ایران، از اهمیت بالایی برخوردار است. در این مقاله، روشی برای پیش بینی بلندمدت بارش با استفاده از سیگنال های هواشناسی و شبکه های عصبی مصنوعی ارائه شده است. در پیش بینی بارش، داده های اقلیمی (سیگنال های بزرگ مقیاس) و داده های هواشناسی (بارش و دما) به عنوان پیش بینی کننده، شبکه های عصبی مصنوعی به عنوان ابزار پیش بینی کننده و در نهایت میزان بارش در دوره های 3 ، 6 ، 9 و 12 ماهه در 6 ایستگاه منتخب در کشور ایران به عنوان پیش بینی شونده مورد استفاده قرار گرفته اند. از آنجایی که میزان داده ها بسیار زیاد بوده و متغیرها گوناگون هستند، از سه روش الگوریتم ژنتیک، نرم افزار وینگاما و همچنین شبکه عصبی خودسازمانده برای انتخاب متغیرها استفاده شد. در ابتدا برای مناطق مختلف، متغیرها و پارامترهای مختلف انتخاب شده و مجموعه ای از آنها به عنوان پارامترهای ورودی به مدل داده می شوند. در انتها مدل تدوین و اجرا می گردد.

پیش بینی بارش، سیگنال های بزرگ مقیاس اقلیمی، شبکه های عصبی مصنوعی