بررسي روند و پيش بيني بارش با استفاده از شبكه عصبي مصنوعي در كاشان

بارش باران جز مهم‌‌ترين پديده‌هاي جوّي است كه بر زندگي بشر، پوشش گياهي و جانوري تأثير مي‌گذارد. پيش‌بيني بارش باران براي اهداف مختلفي مانند فعاليت‌هاي كشاورزي، پيش‌بيني سيلاب، تأمين آب شرب و بسياري از موارد از اهميت بسيار بالايي برخوردار است. هدف اين پژوهش بررسي روند و پيش‌بيني بارش ايستگاه كاشان طي دوره 49 ساله (1350-1398) است. بنابراين ابتدا داده‌ها بارش گردآوري و سپس به‌صورت ميانگين فصلي و سالانه تنظيم شدند. در ادامه با استفاده از روش من-كندال معني‌داري روند بارش و با استفاده از روش برآورد كننده شيب‌خط سنس، ميزان شيب‌خط روند، آزمون شد. طبق نتايج در سري‌هاي زمـاني ميـانگين بارش كاشان روند معني‌داري در سطوح اطمينان 99% و 95% مشاهده نگرديد؛ اما بااين‌حال ميانگين بارش كاشان به‌طور متوسط در هرسال حدود 0/60 ميلي‌متر كاهش‌يافته است. همچنين با استفاده از روش شبكه عصبي مصنوعي داده‌هاي بارش جهت پيش‌بيني بررسي شد. طبق نتايج بعد از آزمون شبكه 2 لايه پنهان و 10 نرون در لايه‌هاي مياني مدل نسبتاً بهتري را ارائه كرد. با بررسي و تطبيق مقادير نمودار همبستگي مشخص گرديد پيش‌بيني بارش براي ايستگاه كاشان با نتايج واقعي ايستگاه مطابقت كاملي نداشته است. همبستگي بين مقادير واقعي و پيش‌بيني‌شده توسط شبكه برابر با 0/47 مي‌باشد. همچنين ثابت شد مقادير پيش‌بيني‌شده بارش توسط شبكه عصبي در تركيب با الگوريتم ژنتيك نزديك‌تر به داده‌هاي واقعي بارش و داده‌هاي پيش‌بيني‌شده توسط شبكه عصبي بدون تركيب با الگوريتم ژنتيك از مقدار واقعي دورتر بوده و روند غيرخطي دارد. بنابراين بين ميانگين‌هاي شبيه‌سازي‌شده بارش با مقدار واقعي در ايستگاه كاشان اختلافي فرواني وجود ندارد.