پیشبینی بارش ماهیانه تربت حیدریه به کمک شبکه های عصبی و ترکیب خبرهها

بارش یکی از مهمترین اجزای چرخه آب بوده و در سنجش خصوصیات اقلیمی هر منطقه، نقش بسیار مهمی ایفا میکند . پیشبینی بلند مدت بارش در برنامهریزی و مدیریت منابع آب، به ویژه در مناطق با اقلیم خشک و نیمه خشک، از اهمیت بالایی برخوردار است. این پیشبینیدر هر منطقه نیازمند وجود دادههای دقیق اندازهگیری شدهای مانند، رطوبت، دما، فشار، سرعت باد و غیره است. بارش، پدیدهای بسیارپیچیده، غیرخطی و نسبت به زمان و مکان متغیر میباشد. در این پژوهش، جهت پیشبینی بارندگی ماهانه تربتحیدریه از دادههای بارش روزانه طی دورهی آماری26ساله 1368-1394 و ترکیب شبکه عصبی مصنوعی به عنوان یک روش غیرخطی استفاده شده است شبکههای مورد استفاده از نوع پرسپترون چند لایهMLP است و تکنیک یادگیری آن لونبرگ مارکوات LM میباشد. همچنین از روش طبقهبندی و ترکیب خروجی در تصحیح نتایج )ترکیب دستهبندی کنندهها( استفاده شد. بدینترتیب 08 درصد دادهها به عنوان دادههای مرحله آموزش و 08 درصد دادهها به عنوان دادههای ارزیابی شبکه مورد استفاده قرار گرفته است. برای ساخت شبکهها از امکانات موجود در محیط برنامهنویسی متلب بهره گرفته شده است. عملکرد شبکهها از طریق معیارهای آماری از جمله مجذور متوسط خطا RMSE سنجیدهشد. نتایج تحقیق نشان داد که استفاده از ترکیب خبرهها بجای استفاده از یک خبره نتایج نسبتاً بهتری را در پیش بینی بارش به همراه دارد

کلیدواژه ها:

بارش ماهانه ، تربتحیدریه ، شبکه عصبی مصنوعی ، پرسپترون چندلایه ، ترکیب دستهبندیکنندهها