پیش بینی بارش ماهانه با استفاده از الگوهای پیوند از دور و شبکه عصبی مصنوعی (مطالعه موردی: حوزه فلات مرکزی ایران)

تحقیق حاضر با هدف بررسی تاثیر شاخص های پیوند از دور بر رخداد بارش ماهانه و پیش بینی بارندگی در حوزه آبخیز فلات مرکزی ایران با استفاده از مدل شبکه عصبی مصنوعی چندگامی مستقیم (DMSNN) با پارامترهای مذکور است. براین مبنا مقادیر بارش طی دوره مشترک آماری 1981-2014 در 20 ایستگاه سینوپتیک منطقه مورد مطالعه انتخاب شد، به طوری که دوره آماری 1981- 2004 برای توسعه مدل و سال های 2004-2014 جهت صحت سنجی مدل به منظور پیش بینی شش ماه آینده در مقیاس ماهانه استفاده شد. جهت بررسی میزان دقت مدل، مقادیر مشاهده ای و پیش بینی شده بارندگی با استفاده از آزمون های Z و F مقایسه شدند و به منظور بررسی کارایی مدل، معیارهای R2، RMSE و MAE استفاده شدند. نتایج نشان دهنده تاثیر 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 ضعیف ترین نتایج به غرب حوزه با ضریب همبستگی 4/0 مربوط است. براساس نتایج به دست آمده، شبکه عصبی مصنوعی ابزار مفیدی برای پیش بینی بارش ماهانه و برنامه ریزی مدیریت منابع آب طی شش ماه آتی خواهد بود.