عملکرد شبکه عصبی مصنوعی و آزمون نسبت ها و تفاضل ها در بازسازی داده های ایستگاه های باران سنجی

یکی ازعوامل طبیعی که همواره باعث خسارتهای زیادی شده اند سیلابها می باشند. برای جلوگیری ازاین خسارتها پیشبینی سیلابها امری مهم تلقی می شود که نیاز به بررسی دادههای بارش دارد. اما پیش بینی بارش در یک ایستگاه نیازمند آمار و اطلاعات کافی از نحوه بارندگی در یک طول آماری طولانی در آن ایستگاه می باشد. لیکن فقدان داده های بارندگی و نواقص آماری آنها در برخی از ایستگاههای هواشناسی مشکلاتی را به همراه داشته و از دقت آن می کاهد. در تحقیق حاضر به منظور بازسازی داده های بارش یک ایستگاه از مدل شبکه عصبی (ANN) و مدل های ریاضی آزمون نسبت ها و تفاضل ها استفاده شد. دراین روش از داده های ماهانه 4 ایستگاه در طول دوره آماره 1370تا 1389 استفاده شد. که 70 درصد داده ها برای آموزش شبکه و 30 درصد هم برای صحت سنجی به کار برده شد . نتایج نشان داد که مدل شبکه عصبی مصنوعی از روش نسبت ها و تفاضل ها دقت بیشتری در بازسازی داده ها دارد و علاوه بر این هرچه تعداد داده های ورودی برای آموزش شبکه بیشتر باشد نتایج دقیق تر است.زمانی که از داده های 3 ایستگاه آقاجانبلاغی و مریانج و آق کهریز برای آموزش شبکه استفاده شد میزان RMSE=12.33 و ضریب تبعیین 88,.است.

کلیدواژه ها:

شبکه عصبی مصنوعی ، آزمون نسبت ها ، آزمون تفاضل ها