پيش بيني بارش با استفاده از شبكه هاي عصبي مصنوعي

پیش بینی بارش و برآورد نزولات جوی، به عنوان یكی از مهمترین پارامتر های اقلیمی در حوزه مد یریت منابع آبی، از اهمیت ویژه ای در تعیین س یاستهای آ ینده جهت به ینه ساز ی صرف هزینه ها و استفاده از این منـابع برخوردار است . یكی از روش های مدل سازی رفتار بارش، شبكه های عصبی مـصنوعی ١ اسـت كـه از مؤلفـه هـای هـوش مصنوعی محسوب می شود . در این گونه مدل ها بدون در نظر گرفتن معادلات پیچیده غیر خطی، می توان دینامیك حاكم بر سیستم را استخراج نموده و از این طریق، خروجی های مدل را پیش بینی نمود . در این تحقیق، با استفاده از اطلاعات بارش میانگین ماهیانه ، به عنوان ورودی های شبكه عصبی پرسپترون پیشخور چند لایه( MLP )، در یك مدل جعبه سیاه، پیش بینی ماهیانه بـارش در ایـستگاه سـینوپتیك مـشهد ، انجـام گرفته است . بدین منظور، از امكان ات و توابع موجود در محیط برنامه نویسی نرم افزار MATLAB ، بهره گرفته شد . پس از بررسی معیار های آماری برازش، از جمله ضرایب روابط رگرسیونی بین مقـادیر واقعـی و پـیش بینـی شـده بارش و همچنین میانگین مجذور مربعات خطا ، مشاهده شد كه پیش بینی ماهیانه بارش، با دقت قابل قبـولی انجـام شده است . چنان میانگین مجذور مربعات خطا ، به ترتیـب0/92 و 1/00 میلـی متـر بـه دست آمده است .