چکیده مقاله
پیش بینی بارش و برآورد نزولات جوی، به عنوان یکی از مهمترین پارامتر های اقلیمی در حوزه مد یریت منابع آبی، از اهمیت ویژه ای در تعیین س یاستهای آ ینده جهت به ینه ساز ی صرف هزینهها و استفاده از این منـابع برخوردار است یکی از روش های مدل سازی رفتار بارش، شبکه های عصبی مـصنوعی ١ اسـت کـه از مؤلفـه هـای هـوش مصنوعی محسوب می شود در این گونه مدل ها بدون در نظر گرفتن معادلات پیچیده غیر خطی، می توان دینامیک حاکم بر سیستم را استخراج نموده و از این طریق، خروجی های مدل را پیش بینی نمود در این تحقیق، با استفاده از اطلاعات بارش میانگین ماهیانه ، به عنوان ورودی های شبکه عصبی پرسپترون پیشخور چند لایه MLP ، در یک مدل جعبه سیاه، پیش بینی ماهیانه بـارش در ایـستگاه سـینوپتیک مـشهد ، انجـام گرفته است بدین منظور، از امکان ات و توابع موجود در محیط برنامه نویسی نرم افزار MATLAB ، بهره گرفته شد پس از بررسی معیار های آماری برازش، از جمله ضرایب روابط رگرسیونی بین مقـادیر واقعـی و پـیش بینـی شـده بارش و همچنین میانگین مجذور مربعات خطا ، مشاهده شد که پیش بینی ماهیانه بارش، با دقت قابل قبـولی انجـام شده است چنان میانگین مجذور مربعات خطا ، به ترتیـب0/92 و 1/00 میلـی متـر بـه دست آمده است
کلیدواژهها
نویسندگان
شیوه ارجاع
�لیلی، نجمه و خداشناس، سعیدرضا و داوری، کامران،1385،پیش¬بینی بارش با استفاده از شبکه¬های عصبی مصنوعی،دومین کنفرانس مدیریت منابع آب،اصفهان