پیش بینی بارش‏ های ماهانه با سیگنال‏ ها و عناصر اقلیمی، مطالعه ی موردی: شهرستان دزفول

در این پژوهش به منظور مدل سازی بارش دزفول از داده‏های بارش ماهانه ی ایستگاه همدید دزفول در بازه ی آماری (2014-1961) به مدت 53 سال به عنوان متغیر وابسته و شاخص‏ها و عناصر اقلیمی به عنوان متغیر مستقل استفاده شده است. برای استفاده از مهم ترین عناصر اقلیمی موثر بر منطقه ی مورد مطالعه از تحلیل عاملی استفاده شد و برای تشخیص مهم ترین سیگنال‏های اقلیمی موثر بر متغیر وابسته از انواع روش های تحلیل رگرسیون استفاده شد. به دلیل رفتار غیرخطی بارش از شبکه‏های عصبی مصنوعی جهت مدل سازی بهره گرفته شد. برای ورود به شبکه ی عصبی، داده های بارش مورد تحلیل رگرسیونی قرار گرفت. نتایج پژوهش آشکار ساخت که پیش بینی سیگنال‏های اقلیمی، دارای ضریب همبستگی بالاتری بود. برای نمونه، ضریب همبستگی با روش حذف تدریجی داده ها 100 درصد و روش گام به گام 88/99 درصد بود. از بین 144 واحد (سیگنال اقلیمی در هر ماه) 16 واحد یا شاخص در ماه‏های تعیین‏شده با 18  شبکه جهت پیش‏آگاهی بارش با ضریب همبستگی 88/99 درصد جهت پیش بینی انتخاب شد. برای پیش بینی بارش با عناصر اقلیمی از بین 7 مولفه اثرگذار، مولفه ی دوم بارشی-دمایی در رگرسیون به احتمال 100 درصد و در سیستم عصبی به احتمال 7/99 درصد موفق بود.