پيش بيني بارش با استفاده از شبكه عصبي مصنوعي به منظور مديريت سيل مطالعه موردي : ايستگاه سينوپتيك خرم آباد

بارش به عنوان یك عامل تهدیدكننده در احتمال وقوع سیل محسوب میشود. برای جلوگیری از خسارات سیل و سعی در كنترل آن اهمیت پیشبینی بارش ضرورت مییابد. زیرا با اطلاع از میزان بارندگی،می توان امكان وقوع سیل را در منطقه پیش بینی و اقدامات لازم را انجام داد. هدف از این پژوهش پیش بینی بارش با استفاده از شبكه عصبی مصنوعی میباشد. دراین تحقیق از داده های بارش روزانه طی دوره آماری (1391-1361) و از شبكه عصبی مصنوعی به عنوان یك روش غیرخطی جهت پیش بینی بارش استفاده شده است. ورودی مدل، رطوبت، نقطه شبنم ، دما و فشار منطقه می باشد. 70 درصد داده ها برای آموزش و 30 درصد باقیمانده جهت تست بكار رفته است. شبكه مورد استفاده از نوع چند لایه پرسپترون با الگوریتم مومنتوممی باشد. و اطلاعات بارش ایستگاه خرم آباد در استان لرستان به عنوان خروجی مدل استفاده شده است. تحلیل نتایج خروجی مدل نشان داده كه این مدل توانایی و دقت بالایی برای پیش بینی بارش داشته است و با افزایش فاكتورهای ورودی، شبكه دقت بالاتری را در پیش بینی ارائه می دهد در صورتیكه اگر شبكه پارامترهای ورودی كمتری داشته باشد خطای بیشتری دارد.