پيش بيني بارش با استفاده از شبكه هاي عصبي مصنوعي به منظور مديريت سيل: مورد منطقه ايرانشهر

در سالهاي اخیر خسارتهاي ناشی از سیل در بسیاري از مناطق جهان رشد صعودي داشته است كه بارشهاي غیر مترقبه به عنوان یك عامل تهدید كننده در احتمال وقوع سیل محسوب می شود. پیش بینی بارش در مدیریت و هشدار معضل سیل نقش مهمی بر عهده دارد. به منظور جلوگیري از خسارات ناشی از سیل و سعی در كنترل ومهار آن ضرورت ، اهمیت پیش بینی بارش امري اجتناب ناپذیر به نظر می رسد. زیرا با اطلاع از میزان بارندگی ، می توان امكان وقوع سیل را در منطقه پیش بینی و اقدامات لازم را به عمل آورد. در مناطق آسیب پذیر ، ایجاد یك ساختارهاي دفاعی در برابر سیل مهم و جدي است و پیش بینی به موقع بارش نیز عاملی بوده كه براي مقابله با سیل و اهداف مدیریتی آن از اهمیت بیشتري برخوردار است. با توجه به اینكه پیش بینی بارش تابع عوامل عوامل بسیاري از جمله فشار ، دما ، باد و ... می باشد ، و همچنین محدودیت هایی از قبیل نبود اطلاعات بارش در مقیاس هاي زمانی و مكانی مناسب ، استفاده از روش هاي معمول از پیچیدگی هاي زیادي برخوردار است. در این تحقیق، شبكه هاي عصبی مصنوعی به عنوان یك روش كارامد جهت پیش بینی بارندگی مورد استفاده قرار گرفته است و از نرم افزار Matlab-7 جهت پیش بینی و تجزیه تحلیل عوامل موثر در بارش منطقه كمك گرفته شد. ورودي مدل ANN آمار سیستم مونسون ، دما و فشار منطقه می باشد كه این داده ها ، بازه زمانی (2007-1964) را در بر می گیرد. 80 درصد داده ها براي آموزش و 20 درصد باقیمانده جهت تست بكار رفته است. شبكه مورد استفاده از نوع پس انتشار (feedforward) با الگوریتم سیگموئد می باشد. و اطلاعات بارش ایستگاه شهرستان ایرانشهر در استان سیستان و بلوچستان به عنوان خروجی مدل ANN استفاده شده است. تحلیل نتایج خروجی مدل شبكه عصبی نشان داده كه این مدل توانایی بهتر و دقت بالایی براي پیش بینی بارش نسبت به روش هاي آماري معمول داشته است و با افزایش فاكتورهاي ورودي ، شبكه دقت بالاتري را در پیش بینی ارائه می دهد در صورتی كه اگر شبكه ورودي كمتري داشته باشد خطاي بیشتري را دارا می باشد.