ارزیابی روش های خوشه بندی فازی و شبکه عصبی مصنوعی در پهنه بندی فضایی بارش سالانه ایران

بارش یکی از عناصر اصلی چرخه هیدرواقلیمی کره زمین است که چگونگی تغییرپذیری آن تابع روابط پیچیده و غیرخطی بین سامانه اقلیم و عوامل محیطی است. شناخت این روابط و انجام برنامه ریزی های محیطی بر مبنای آنها در حالت عادی امری دشوار بوده و در نتیجه طبقه بندی داده ها و تقسیم اطلاعات به دسته های متجانس و کوچک می تواند در این زمینه کمک کننده باشد. در پژوهش حاضر تلاش شد تا داده های بارش، ارتفاع ، شیب ، جهت دامنه ها و تراکم ایستگاهی برای ۳۴۲۳ ایستگاه همدید، اقلیم شناسی و باران سنجی ایران در دوره ی ۱۹۶۱-۲۰۱۵ به مدل های فازی (FCM) و شبکه عصبی خودسازمانده (SOM-ANN) وارد و ضمن انجام پهنه بندی بارشی– محیطی، خروجی های دو مدل از لحاظ دقت و کارایی مورد مقایسه قرار گیرد. نتایج حاصل از خروجی مدل ها، شرایط بارشی ایران را در ارتباط با عوامل محیطی به چهار پهنه تقسیم بندی کرده است. همچنین، بررسی شاخص های ارزیابی نشان داد هر دو مدل از دقت بالایی در امر طبقه بندی فراسنج بارش برخوردار هستند؛ با این حال مدل فازی از لحاظ دقت نتایج برتری نسبی به مدل شبکه عصبی دارد.

کلیدواژه ها:

Self-organizing map neural network ، Fuzzy model ، Zoning ، Precipitation ، Iran ، شبکه عصبی خودسازمانده ، مدل فازی ، پهنه بندی ، بارش ، ایران