پيش بيني بارش فصلي با حداقل متغيرهاي اقليمي مطالعه موردي: ايستگاه كرمان

پيش بيني بارش و برآورد نزولات جوي، به عنوان يكي از مهم ترين پارامترهاي اقليمي در حوزه مديريت منابع آبي، از اهميت ويژه اي برخوردار است. بنابراين در اين مقاله، امكان كاربرد شبكه عصبي در برآورد بارش با حداقل پارامترهاي اقليمي مورد بررسي قرار گرفت. به اين منظور از شبكه عصبي پرسپترون چند لايه با قانون پس انتشار خطا و الگوريتم سيگموئيد همراه با داده هاي ميانگين رطوبت نسبي(meanHR)، كمينه رطوبت نسبي (minHR)، بيشينه رطوبت نسبي (maxHR)، ميانگين دما (meanT)، كمينه دما (minT)، بيشينه دما (maxT)، ميانگين فشار (meanP)، كمينه فشار (minP) و بيشينه فشار (maxP) ماه اكتبر ايستگاه هواشناسي سينوپتيك كرمان، طي دوره آماري 2014-1969 به عنوان ورودي مدل استفاده گرديد. نتايج نشان داد در صورت كمبود پارامترهاي اقليمي، تنها با اندازه گيري minT و meanT مي توان با خطايي معادل 8/99/8 ميليمتر، برآورد مناسبي از بارش با استفاده از شبكه هاي عصبي مصنوعي در منطقه مورد مطالعه به دست آورد.

no abstract