فهرست نشریات علمی دسترسی آزاد ایران

بارش یکی از مهمترین اجزا چرخه آب بوده و در سنجش خصوصیات اقلیمی هر منطقه ای نقش بسیار مهمی ایفا می‌کند. پیش‌بینی مقادیر بارش حداکثر روزانه در ماه برای اهداف مختلفی نظیر برآورد سیلاب، رواناب، رسوب، برنامه‌ریزی آبیاری و مدیریت حوضه‌های آبریز دارای اهمیت زیادی است.پیش‌بینی بارش در هر منطقه‌ای نیازمند وجود داده‌های دقیق اندازه‌گیری شده از قبیل رطوبت، دما، فشار، سرعت باد و غیره می‌باشد. محدودیت‌هایی از قبیل نبود اطلاعات کافی در مورد مقدار بارش در مقیاس‌های زمانی و مکانی و همچنین پیچیدگی روابط بین پارامترهای هواشناسی مرتبط با بارش، محاسبه این پارامتر با استفاده از روش‌های معمول را غیردقیق و غیرقابل اعتماد می‌کند. در این تحقیق پارامترهای هواشناسی ایستگاه‌های اهر و جلفا در استان آذربایجان شرقی، به عنوان ورودی مدل‌های هوشمند شبکه‌های عصبی مصنوعی، برنامه‌ریزی ژنتیک و مدل درختی M5 تعریف گردید و برای نتایج بدست آمده از این سه مدل دو آماره R و RMSE محاسبه گردید. در دو ایستگاه اهر و جلفا روش برنامه‌ریزی ژنتیک به ترتیب با (R=0.88) و (RMSE=3.32) و (R=0.87) و (RMSE=3.79) بهترین نتیجه را نشان دادند. در حالت کلی می‌توان گفت که هر سه روش مذکور ضمن رقابت با یکدیگر نتایج نسبتا دقیقی را جهت پیش‌بینی حداکثر بارش روزانه در ماه مورد نظر در منطقه ارائه می‌کنند ولی به دلیل ارائه روابط خطی ساده و قابل فهم توسط مدل درختی M5، این روش می‌تواند به عنوان روشی کاربردی و جایگزین برای محاسبه حداکثر بارش روزانه در ماه مورد توجه قرار گیرد.