پیش بینی بارش استان زنجان با استفاده از شبکه های عصبی مصنوعی

شناخت نظام تغییرات زمانی بارش ، برنامه ریزی و به تبع آن چیرگی بر محدودیت منابع آب را افزایش داده، خسارت های حاصل از سیلاب و خشکسالی را کاهش می دهد. با استفاده از روش های مانند شبکه های عصبی مصنوعی می توان الگوریتم مناسبی جهت محاسبه و یا تخمین بارندگی در سال های آتی، بصورت کل بارندگی ماهانه و سالانه را بدست آورد. به همین دلیل آمار بارندگی هشت ایستگاه استان زنجان برای این منظور مورد ارزیابی قرار گرفت و سعی شد تا با استفاده از شاخص بارش استاندارد شده و بارش های ماهانه سال های قبل به این مهم دست بیابیم. بخاطر اینکه سیگنال های بزرگ مقیاس اقلیمی soi و nao یکی از عناصر بکار برده در این تحقیق بود به بررسی همبستگی آن ها در مقیاس های مختلف زمانی و با روش همبستگی متوالی و ساده پرداخته شد. نتایج حاکی از ارتباط معنی دار بین ضرایب همبستگی حاصل از رگرسیون soi و بارش پاییزه و زمستانه در اکثر ایستگاه ها بوده است و همین طور ارتباط معنی دار بین nao و بارش ایستگاهها وجود داشت. در ادامه کار با استفاده از شبکه های عصبی به آزمون ورودی های مختلف برای پیش بینی شاخص spi پرداخته شد بدین منظور شاخص spi به عنوان خروجی و بارش ماهانه و سیگنال های بزرگ مقیاس اقلیمی بعنوان ورودی های شبکه عصبی معرفی شد و برای تاخیرهای زمانی سه و شش و نه و دوازده ماهه پیش بینی ها صورت گرفت. نتایج بدست آمده حاکی از عملکرد مطلوب شبکه های عصبی در پیش بینی شاخص spi بود اما بکارگیری ورودی های شاخص های soi و nao در پیش بینی ها نه تنها موجب بهبود پیش بینی ها نشد بلکه عملکرد پیش بینی به میزان قابل توجهی افت پیدا کرد و از سوی دیگر تاخیرهای زمانی سه ماهه نسبت به تاخیرهای زمانی شش، نه و دوازده ماهه نتایج مطلوبتری ارائه کردند.