پیش بینی کوتاه مدت بارندگی: روشی برای بهبود هشدار سیل های ناگهانی (مطاله موردی- حوضه سد گلستان 1 در استان گلستان)

برای افزایش کارآیی سیستم های هشدار سیل در حوضه های کوهستانی کوچک و متوسط که زمان پاسخ حوضه کوتاه بوده و سیل های ناگهانی اتفاق می افتد پیش بینی کمی بارش کوتاه مدت ضروری است. پیش بینی کمی و کوتاه مدت بارش، زمان پیش هشدار را در یک سیستم هشدار سیل افزایش می دهد و آن را قابل اعتماد می سازد. پیش بینی دقیق بارش یکی از مشکل ترین موضوعات در هواشناسی است. در این مقاله یک مدل شبکه عصبی برای پیش بینی بارش کوتاه مدت 15 ایستگاه باران سنجی حوضه سد گلستان یک در حوضه گرگان رود واقع در استان گلستان ارائه می شود. داده های ساعتی بارش و نیز سایر پدیده های هواشناسی با یک شبکه عصبی پرسپترون چند لایه پیشرو1 با الگوریتم آموزش پس انتشار2 خطا برای پیش بینی یک ساعته بارش آموزش داده شد و برای پیش بینی نقطه ای تا 2 ساعت برای هر ایستگاه آزمون گردید. نتایج مدل عصبی با روش مرسوم پیش بینی از نوع پایا3 مقایسه گردید. نتایج نشان می دهد که دقت پیش بینی مدل شبکه عصبی در مقایسه با روش پایا بهتر است. استفاده از پارامترهای رطوبت و دما نیز پیش بینی را بهبود می دهد. مدل قادر است پیش بینی بارش را در طول رگبار به هنگام نماید و برای حوضه های با زمان تمرکز 3 ساعت و بیشتر کارآیی دارد. خروجی مدل پیش بینی بارش می تواند با یک مدل بارش- رواناب در زمان واقعی پیوند زده شود وبا دقت قابل قبولی زمان پیش هشدار سیل را به میزان 2 ساعت بهبود ببخشد.