مدل¬سازي بارندگي ماهيانه به¬كمك شبكه عصبي مصنوعي پرسپترون چندلايه مطالعه موردي؛ ايستگاه¬هاي استان كردستان

بارش يكي از مهمترين و پيچيده‌ترين مسائل هيدرولوژي موردتوجه بسياري از محققين است. اين پديده تحت‌تاثير عوامل متعددي قرارداشته و همين‌امر سبب دشواري پيش‌بيني آن به‌كمك روش‌هاي متداول آماري است. يكي‌ديگر از مشكلات اساسي بررسي بارش، كمبود دوره‌هاي آماري مربوط به بارندگي در اكثر مناطق كشور است. بنابراين باتوجه به اهميت بارندگي در بسياري از مطالعات اقليمي و مديريت منابع آب و همچنين كمبود اطلاعات در بيشتر مناطق كشور ازجمله استان كردستان، در اين پژوهش سعي در بكارگيري شبكه عصبي مصنوعي در مدل‌سازي بارندگي در اين استان گرديده‌است. به‌همين‌منظور با درنظرگرفتن يك دوره‌ي آماري 24 ساله براي سه ايستگاه سنندج، سقز و بيجار در استان كردستان، با دوره آماري طولاني‌تر نسبت به ساير ايستگاه‌ها، از شبكه عصبي مصنوعي MLP و نرم‌افزار MATLAB بهره‌گرفته و با سه روش آموزش مختلف داده‌ها تعليم داده‌شدند. نتايج بررسي حاكي از بهينه‌بودن مدل پرسپترون چندلايه با شيوه‌ي آموزشي ممنتم در تمامي ايستگاه‌ها مي‌باشد.