مقایسه نتایج به دست آمده از کاربرد سیستم استنباط فازی ممدانی و شبکه های عصبی مصنوعی در پیش بینی بارش فصلی، مطالعه موردی: منطقه خراسان
چکیده
در این مقاله با استفاده از سیستم استنباط فازی و شبکه های عصبی مصنوعی پیش بینی بارش در بازه زمانی دسامبر تا می در منطقه خراسان بزرگ شامل سه استان خراسان رضوی، خراسان شمالی و خراسان جنوبی ارائه شده است. این روش شامل سه گام می باشد. در گام اول، ارتباط بین تغییرات الگوهای سینوپتیکی شامل فشار سطح دریا، اختلاف فشارسطح دریا، دمای سطح دریا، اختلاف دمای سطح دریا و سطح 1000 میلی باری، دمای سطح 850 هکتوپاسکال، ارتفاع معادل سطح 500 هکتوپاسکال و رطوبت نسبی سطح 300 هکتوپاسکال با بارش متوسط منطقه ای مورد بررسی قرار گرفته است. در انتخاب این مناطق که مجموعه ای از نقاط در خلیج فارس و دریای عمان، دریای سیاه، دریای خزر، دریای مدیترانه، دریای شمال، دریای آدریاتیک، دریای سرخ، خلیج عدن، اقیانوس اطلس، اقیانوس هند و سیبری را شامل می شوند، تأثیرپذیری بارندگی منطقه شمال شرق ایران از الگوهای سینوپتیکی مورد توجه قرار گرفته است. در گام دوم، مدل در دوره 1993-1970 آموزش داده شده است و در گام سوم، پیش بینی بارش در دوره 2002-1993 انجام شده است. نتایج نشان می دهد سیستم استنباط فازی و شبکه های عصبی مصنوعی می تواند بارش را با دقت قابل قبولی پیش بینی کنند. همچنین نتایج نشان می دهد که ریشه میانگین مربعات خطا برای سیستم استنباط فازی و شبکه های عصبی مصنوعی به ترتیب 52 و 41 میلی متر می باشد. بنابراین شبکه های عصبی مصنوعی در پیش بینی بارش موفق تر از مدل فازی بوده است.