شبیه سازی عددی تغییرات آب و هوایی ایران با استفاده از الگوریتم شبکه های عصبی مصنوعی

هدف از این مطالعه شبیه سازی عددی و پیش بینی تغییرات آب وهوای ایران با تاکید بر دو پارامتر اقلیمی دما و بارش است. روش مورد استفاده این تحقیق الگوریتم شبکه های عصبی مصنوعی برای شبیه سازی متغیرهای دما و بارش 24 ساعته برحسب گام زمانی ماهانه در طی یک دوره 31 ساله نسبت به دوره پایه است. از تحلیل مانوا برای مقایسه میانگین تغییرات دما و بارش طی دوره مشاهده شده 2020-1990 و دوره شبیه سازی شده 2050-2020 استفاده شده است. نتایج مقایسه نشان می دهد، تفاوت معنی داری بین تغییرات دما و بارش 24 ساعته در ایستگاه های هواشناسی منتخب در ایران وجود دارد. مربع جزیی اتا محاسبه شده، تغییرات بارش و دمای ثبت شده به ترتیب برابر1/42 و 9/17 درصد، تغییرات بارش و دمای شبیه سازی شده نیز به ترتیب برابر6/41 و 1/18 درصد می باشد. بیشترین و کمترین بارش مشاهده شده در ماه های مارس و ژوییه رخ داده است. شبیه سازی ها بیشترین و کمترین میزان بارش را برای ماه های مارس و اوت پیش بینی کردهاند. همچنین بیشترین و کمترین میانگین دمای مشاهده شده به ترتیب در ماه های ژوییه و ژانویه رخ داده و شبیه سازی ها نیز این مقادیر را برای همین ماه ها پیش بینی کرده اند. نتایج مقایسه ایستگاه های هواشناسی منتخب طی دوره های مذکور نشان داد، بیشترین و کمترین مقادیر بارش مشاهده شده به ترتیب در ایستگاه های رشت 95/109و یزد 36/4 میلی متر ثبت شده و شبیه سازی ها نیز برای همین ایستگاه ها 46/ 112 و 63/5 میلی متر پیش بینی کرده اند. بیشترین و کمترین میانگین دمای مشاهداتی به ترتیب در ایستگاه های بندرعباس99/26 و اردبیل36/9درجه سانتی گراد ثبت شده و شبیه سازی ها نیز برای همین ایستگاه ها10/27و45/9 درجه سانتی گراد پیش بینی کرده اند.