كاربرد شبكه هاي عصبي مصنوعي در پيش بيني بارش (مطالعه موردي: ايستگاه سينوپتيك سنندج)

پيش بيني بارش، به عنوان يكي از مهمترين متغيرهاي اقليمي در حوزه مديريت منابع آب از اهميت ويژه اي برخوردار است. از اين رو امروزه محققين با ابداع روش هاي مستقل از مدل هاي ديناميكي سيستم، در جستجوي راه هايي به منظور شناخت و پيش بيني بهتر متغيرهاي مهم هواشناسي از جمله بارش مي باشند. يكي از اين روش ها، شبكه هاي عصبي مصنوعي است كه از مولفه هاي هوش مصنوعي محسوب مي شود. در اين پژوهش، به منظور پيش بيني بارش از داده هاي ايستگاه سينوپتيك سنندج در مقياس ماهانه و در دوره آماري (1393-1350) انجام شده است. همچنين به دليل رفتار غيرخطي بارش، از شبكه هاي عصبي مصنوعي جهت پيش بيني آن بهره گرفته شد. براي به كارگيري شبكه عصبي، 70 درصد داده ها جهت آموزش شبكه و 30 درصد داده ها نيز براي آزمون و اعتبارسنجي درنظر گرفته شد. در نهايت با انجام آزمون شبكه با لايه هاي پنهان و ضريب هاي يادگيري مختلف، مشخص گرديد كه استفاده از شبكه عصبي مصنوعي پرسپترون با دو لايه پنهان و ضريب آموزش (يادگيري) 0/6 نسبت با ديگر حالت ها و ساختار شبكه عملكرد بهتري را براي پيش بيني دارد. به منظور اطمينان از درستي مقادير پيش بيني، از آماره هاي ضريب تبيين و ميانگين ريشه مربعات خطا (RMSE) استفاده شد كه مقادير آنها به ترتيب برابر با 0/97 و 0/072 مي باشد.