مدل سازی بارش ماهانه با استفاده از شبکه ی سیستم عصبی مطالعه ی موردی: شهرستان خرم آباد

چکیده: بارش از مهمترین و اساسی ترین عناصر اقلیمی می باشد که در تعیین نقش و پراکنش سایر عناصر اقلیمی نقش برجسته ای دارد. در این پژوهش به منظور مدل سازی بارش خرم آباد از داده های بارش ماهانه ی ایستگاه همدید خرم اباد در بازه ی آماری (۲۰۱۴-۱۹۵۱) به مدت ۶۴ سال بعنوان متغیر وابسته و شاخصهای اقلیمی و عناصر اقلیمی بعنوان متغیر مستقل استفاده شده است. برای استفاده از مهم ترین عناصر اقلیمی موثر بر منطقه ی مورد مطالعه از تحلیل عاملی استفاده شد و برای تشخیص مهم ترین شاخص اقلیمی موثر بر متغیر وابسته از روش-های تحلیل رگرسیونی گام به گام استفاده شد. نتایج پژوهش بعد از آزمون شبکه با لایه های پنهان و با ضرایب یادگیری مختلف و سعی و خطای زیاد آشکار ساخت که با شاخصهای اقلیمی با مدلهای ۶ گانه با ضریب همبستگی به ترتیب ۶۳% ، ۷۴% ، ۷۶% ، ۸۸% ، ۸۶% ،۸۹% می توان به مدل سازی بارش پرداخت و با عناصر اقلیمی عامل اول موثر بر اقلیم منطقه که بیش از ۵۰ درصد داده ها را تبیین می کند با ضریب همبستگی ۹۰ درصد و با عوامل بارشی ۹۹% و عوامل دمایی که بار منفی دارند با ضریب همبستگی ۹۸.۸% ، عامل دوم موثر بر اقلیم منطقه عامل (بادی) ۷۶% ، عامل سوم(دمایی) ۹۱% ، به مدل سازی پرداخت.

کلیدواژه ها:

تحلیل عاملی ، خرم آباد ، رگرسیون ، شاخصهای اقلیمی ، شبکه عصبی پرسپترون