پیش بینی بارش پاییزه با استفاده ازشاخص های انسو به روش شبکه عصبی در حوضه دریاچه ارومیه

انسو(El Nino Southern Oscillation)یکی از پدیده های اقلیمی است که تغییرات آن موجب ناهنجاری هایی بزرگ آب و هوایی در بسیاری از نقاط جهان می شود. در بعضی مناطق، این پدیده باعث افزایش بارش و در بعضی مناطق، باعث کاهش بارش شده است. یکی از روش های پیش بینی بارش فصلی، استفاده از انسو با استفاده از شاخص های Southern Oscillation Index) SOI) و NINO3،4 است. برای بررسی ارتباط بین انسو و بارش در حوضه دریاچه ارومیه واقع در شمال غرب کشور از اطلاعات 18 ایستگاه باران سنجی و کلیماتولوژی و برای پیش بینی بارش پاییزه، از اطلاعات دو ایستگاه سینوبتیک تبریز و ارومیه که آمار طولانی مدت داشته اند استفاده شد. بررسی ها نشان می دهد Southern Oscillation Index) SOI)و NINO3،4 که از شاخص های انسو هستند، از عوامل موثر بر بارندگی پاییزه محسوب می شوند. برای پیش بینی بارش پاییزه از یک مدل توانمند و انعطاف پذیرمانند شبکه عصبی و اطلاعات SOI و NINO3،4 استفاده و برای بررسی عملکرد آن با یک مدل خطی (رگرسیون چند متغیره) مقایسه گردیده است. برای ارزیابی دقت و صحت مدل ها از آماره R2 و MSE استفاده شد. نتایج بررسی نشان می دهد که مدل غیر خطی با استفاده از شاخص های اقلیمی مورد استفاده، بارش پاییزه را با دقت بیشتری پیش بینی می کند. از آنجایی که پیش بینی بارش به خاطر ویژگی های خاص حاکم بر آن، مشکل به نظر می رسد ولی این تحقیق نشان می دهد با استفاده از شاخص های اقلیمی پیوند از دور1و بکارگیری شبکه عصبی با معماری مشخص می توان بارش پاییزه را یک فصل زودتر پیش بینی کرد.