ريزمقياس نمايي داده هاي GCM به كمك روش شبكه عصبي مصنوعي(ANN)

در دهه هاي اخير تغيير اقليم بويژه گرمايش زمين از مسائل مهمي است كه جامعه جهاني با آن مواجه است. اين مسئله عامل مخرب و تهديد كننده اي براي زندگي بشر است. لذا پيش بيني تغييرات اقليمي در آينده امري ضروري به حساب مي آيد. يكي از روش هاي پيش بيني تغييرات اقليم، استفاده از خروجي مدل هاي گردش عمومي هوا (GCM) است. ولي با توجه به قدرت تفكيك پايين اين مدل ها، قابل استفاده براي مطالعات محلي و ايستگاهي نمي باشند .به منظور افزايش قدرت تفكيك، خروجي اين مدل ها ريزمقياس مي-گردند. در اين تحقيق از داده هاي مشاهداتي بارش ماهانه ايستگاه هاي امامه در دوره آماري 2005-1980 و داده هاي پيش بيني مدل CanESM2 در گزارش پنجم سازمان بين المللي تغيير اقليم، براي ارزيابي قابليـت شبكه هاي عصبي مصنوعي (ANN) جهت ريزمقياس سازي خروجي مدلهاي GCM استفاده گرديده است كه نتايج رضايت بخش بوده است.