عنوان نشریه فصلنامه پژوهش هاي آبخيزداري (پژوهش و سازندگي) - دوره23, شماره4 (پياپي 89)
نویسندگان خليلي نجمه, خداشناس سعيدرضا, داوري كامران, موسوي بايگي محمد
چکیده پيش بيني بارش، به عنوان يکي از مهم ترين متغيرهاي اقليمي در حوزه مديريت منابع آب از اهميت ويژه اي برخوردار است. از طرفي، وجود رابطه هاي غيرخطي پيچيده در معادلات حاکم، مدل سازي بارش را امري مشکل نموده است از اينرو امروزه محققين با ابداع روش هاي مستقل از مدل هاي ديناميکي سيستم، در جستجوي راه هايي به منظور شناخت و پيش بيني بهتر متغيرهاي مهم هواشناسي از جمله بارش مي باشند. يکي از اين روش ها، شبکه هاي عصبي مصنوعي است که از مولفه هاي هوش مصنوعي محسوب مي شود. در اين تحقيق، پيش بيني بارش روزانه به کمک شبکه هاي عصبي مصنوعي صورت گرفته است. براي اين منظور از اطلاعات بارش روزانه 23 سال آماري (1383-1361) ماه مارس به عنوان ماه مرطوب و ماه هاي مي و دسامبر به عنوان دو ماه متوسط از نظر رطوبتي، در ايستگاه سينوپتيک مشهد استفاده شده است. از مجموع 713 داده بارش، 580 داده براي آموزش و آزمون حين آموزش و بقيه داده ها براي صحت سنجي مدل ها استفاده شد. شبکه عصبي مورد استفاده، شيوه اي جديد از شبکه پرسپترون پيشخور سه لايه با پس انتشار خطا مي باشد که از الگوريتم کاهش گراديان به منظور آموزش آن استفاده شده است. در اين رابطه، پس از بررسي و آزمون و خطاي بسيار، دو توپولوژي GS 521 و GS 651  براي ماه مار س، GS 541 و  GS 681 براي ماه مي و GS 571 و GS 631 براي ماه دسامبر، بر اساس مناسب ترين پارامترها براي شبکه هاي عصبي انتخاب شد. بدين منظور، از امکانات و توابع موجود در محيط برنامه نويسي نرم افزار  MATLAB ، بهره گرفته شد. ضريب همبستگي (R) ، ميانگين مجذور مربعات خطا (RMSE) و ميانگين خطاي مطلق (MAE) ، در بهترين مدل ها به ترتيب براي ماه مارس، 0.89، 0.14 و 1.15 ميلي متر، براي ماه مي 0.85، 0.14 و 1.16 ميلي متر و براي ماه دسامبر 0.86، 0.15 ميلي متر و 1.17 ميلي متر به دست آمده است که نشان از برآورد و شبيه سازي مناسب مدل ها دارد .
کلید واژه بارش روزانه، پرسپترون پيشخور، پيش بيني، شبکه هاي عصبي مصنوعي، مشهد
فایل مقاله پيش بيني بارش روزانه با استفاده از شبکه هاي عصبي مصنوعي مطالعه موردي ايستگاه سينوپتيک مشهد