عملكرد مدل‌هاي AR4 در شبيه‌سازي پارامترهاي اقليمي دما و بارش با شبكۀ عصبي مصنوعي (مطالعۀ موردي: حوضۀ آبخيز قره‌سو)

افزايش غلظت گازهاي گلخانه‏اي در جو با توجه به فعاليت‏هاي انساني مانند تغييرات كاربري و استفاده از سوخت‏هاي فسيلي به گرم شدن كرۀ زمين و عدم تعادل انرژي جهاني منجر شده است. اين افزايش در گازهاي گلخانه‏اي موجب بروز پديده‏اي به نام تغيير اقليم شده است. در اين تحقيق عملكرد 4 مدل GCM به نام‏هاي HADCM3، CGCM3T63، 5.CSIROMK3،NCARCCSM3 (از مجموعه مدل‏هاي AR4) تحت سناريوي A2 در شبيه‏سازي پارامترهاي اقليمي دماي ميانگين و بارش حوضۀ قره‏سو با استفاده از شبكۀ عصبي مصنوعي (ANN) مورد ارزيابي قرار گرفتند. براي آموزش شبكۀ عصبي مصنوعي از مدل پرسپترون forward استفاده شد. مطابق با ارزيابي عملكرد مدل‏ها با استفاده از ضرايب حداكثر خطاي مطلق، ميانگين قدر مطلق خطا، جذر ميانگين مربعات و ضريب تبيين، در بين مجموعه مدل AR4، به‏ طور ميانگين مدل NCARCCSM3 بهترين عملكرد را در شبيه‏سازي پارامترهاي اقليمي دماي حوضۀ قره‏سو دارد. اين مدل همراه با CGCM3T63 كمترين اختلاف را با پارامتر اقليمي دماي مشاهداتي دارند، در حالي ‏كه مدل CGCM3T63 كمترين اختلاف را با پارامتر اقليمي بارش مشاهداتي دارند. همچنين نتايج نشان داد مدل‌هاي CSIROMK3.5 و NCARCCSM3 بيشترين اختلاف را به‌ترتيب با پارامترهاي اقليمي دما و يارش مشاهداتي دارند. طبق نتايج شبكۀ عصبي ضريب تبيين براي دو پارامتر اقليمي دما و بارش به ‏طور ميانگين به‌ترتيب 97//0 و 0.73 براي كل حوضه به دست آمد كه نشان‏دهندۀ دقت شبكۀ عصبي در شبيه‏سازي اين پارامتر دارد.