پیش بینی بارش ماهانه استان اردبیل با استفاده از مدل های ANN و WANN

بارش یکی از مهم ترین رخدادهای هیدرولوژیکی بوده و پیش بینی آن می تواند به عنوان یک ابزار کاربردی در بهره برداری و مدیریت بهینه منابع آب مورد استفاده قرار گیرد. در پژوهش حاضر از مدل های شبکه عصبی مصنوعی (ANN) و موجک- عصبی (WANN) برای شبیه سازی بارش ماهانه در ایستگاه های سینوپتیک منتخب استان اردبیل شامل اردبیل، خلخال، مشگین شهر و پارس آباد طی دوره آماری مشترک 225 ماهه در سال های 1395-1375 استفاده شد. برای پیش بینی کوتاه مدت بارش ماهانه (یک ماه بعد) سناریوهای مختلف بر اساس تاخیرهای بارش تعریف شد. نتایج بیانگر عملکرد قابل قبول و برتری مدل WANN با بیشترین ضریب تعیین (R2) وکمترین ریشه میانگین مربعات خطا (RMSE) برای همه ایستگاه ها و به ازای بهترین الگو در مرحله صحت سنجی بود. مقادیر R2 و RMSE برای ایستگاه اردبیل به ترتیب برابر 88/0 و 13/7 میلی متر، ایستگاه خلخال برابر 91/0 و 03/6 میلی متر، ایستگاه مشگین شهر برابر 92/0 و 57/6 میلی متر و برای ایستگاه پارس آباد برابر 87/0 و 56/8 میلی متر به دست آمد. در همه ایستگاه ها، اعمال سناریوی ترکیبی تاخیرهای بارش، کمینه و بیشینه دما توسط مدل برتر (مدل WANN) باعث بهبود جزیی نتایج مدل گردید اما هزینه محاسباتی مدل را نیز به مراتب افزایش داد. هم چنین در همه ایستگاه ها، اضافه شدن رطوبت نسبی و سرعت باد به عنوان متغیرهای ورودی تا حدودی باعث کاهش عملکرد مدل شد. نتایج کلی پژوهش حاضر نشان داد که با استفاده از مدل WANN به همراه تاخیرهای مناسب بارش در مقیاس زمانی ماهانه، می توان بارش ماهانه (ماه آینده) ایستگاه های منتخب استان اردبیل شامل اردبیل، خلخال، مشگین شهر و پارس آباد را با دقت قابل قبول پیش بینی نمود.