پیش‌بینی بارش ماهانه با استفاده از الگوهای پیوند از دور و شبکۀ عصبی مصنوعی (مطالعۀ موردی: حوزۀ فلات مرکزی ایران)

نویسندگان

1 استادیار، گروه مرتع و آبخیزداری، دانشکدۀ منابع طبیعی و علوم زمین دانشگاه کاشان، کاشان، ایران

2 استادیار، گروه مرتع و آبخیزداری، دانشکدۀ کشاورزی و منابع طبیعی، دانشگاه هرمزگان، بندرعباس، ایران

3 کارشناس ارشد آبخیزداری، دانشکدۀ منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران

doi
10.22059/jesphys.2017.58913
چکیده

تحقیق حاضر با هدف بررسی تأثیر شاخص‌های پیوند از دور بر رخداد بارش ماهانه و پیش‌بینی بارندگی در حوزۀ آبخیز فلات مرکزی ایران با استفاده از مدل شبکة عصبی مصنوعی چندگامی مستقیم (DMSNN) با پارامترهای مذکور است. براین مبنا مقادیر بارش طی دورة مشترک آماری 1981-2014 در 20 ایستگاه سینوپتیک منطقۀ مورد مطالعه انتخاب شد، به‌طوری که دورۀ آماری 1981- 2004 برای توسعة مدل و سال‌های 2004-2014 جهت صحت‌سنجی مدل به منظور پیش‌بینی شش ماه آینده در مقیاس ماهانه استفاده شد. جهت بررسی میزان دقت مدل، مقادیر مشاهده‌ای و پیش‌بینی شدة بارندگی با استفاده از آزمون‌های Z و F مقایسه شدند و به منظور بررسی کارایی مدل، معیارهای R2، RMSE و MAE استفاده شدند. نتایج نشان‌دهندۀ تأثیر قوی شاخص MEI و SOI بر بارش منطقه است. نتایج مدل DMSNN نشان داد که بالاترین کارایی طی یک ماه آینده به بخش جنوبی فلات مرکزی با ضریب همبستگی 81/0 و ضعیف‌ترین نتایج به غرب حوزه با ضریب همبستگی 4/0 مربوط است. براساس نتایج به‌دست‌آمده، شبکۀ عصبی مصنوعی ابزار مفیدی برای پیش‌بینی بارش ماهانه و برنامه‌ریزی مدیریت منابع آب طی شش ماه آتی خواهد بود.