مقایسه نتایج به دست آمده از کاربرد سیستم استنباط فازی ممدانی و شبکه‌های عصبی مصنوعی در پیش‌بینی بارش فصلی، مطالعه موردی: منطقه خراسان

در این مقاله با استفاده از سیستم استنباط فازی  و شبکه‌های عصبی مصنوعی پیش‌بینی 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 می‌باشد. 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 منطقه‌ای مورد بررسی قرار گرفته است. در انتخاب این مناطق که مجموعه‌ای 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 می‌شوند، 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، پیش‌بینی بارش در دوره 2002-1993 انجام شده است. نتایج نشان می‌دهد سیستم استنباط فازی و شبکه‌های عصبی مصنوعی می‌تواند بارش را با دقت قابل قبولی پیش‌بینی کنند. همچنین نتایج نشان می‌دهد که ریشه میانگین مربعات خطا برای سیستم استنباط فازی و شبکه‌های عصبی مصنوعی به ترتیب 52 و 41 میلی‌متر می‌باشد. بنابراین شبکه‌های عصبی مصنوعی در پیش‌بینی بارش موفق‌تر از مدل فازی بوده است.