مدل سازی بارندگی ماهیانه به کمک شبکه عصبی مصنوعی پرسپترون چندلایه مطالعه موردی؛ ایستگاه های استان کردستان

بارش یکی از مهمترین و پیچیده ترین مسایل هیدرولوژی موردتوجه بسیاری از محققین است. این پدیده تحت تاثیر عوامل متعددی قرارداشته و همین امر سبب دشواری پیش بینی آن به کمک روش های متداول آماری است. یکی دیگر از مشکلات اساسی بررسی بارش، کمبود دوره های آماری مربوط به بارندگی در اکثر مناطق کشور است. بنابراین باتوجه به اهمیت بارندگی در بسیاری از مطالعات اقلیمی و مدیریت منابع آب و همچنین کمبود اطلاعات در بیشتر مناطق کشور ازجمله استان کردستان، در این پژوهش سعی در بکارگیری شبکه عصبی مصنوعی در مدل سازی بارندگی در این استان گردیده است. به همین منظور با درنظرگرفتن یک دوره ی آماری 24 ساله برای سه ایستگاه سنندج، سقز و بیجار در استان کردستان، با دوره آماری طولانی تر نسبت به سایر ایستگاه ها، از شبکه عصبی مصنوعی MLP و نرم افزار MATLAB بهره گرفته و با سه روش آموزش مختلف داده ها تعلیم داده شدند. نتایج بررسی حاکی از بهینه بودن مدل پرسپترون چندلایه با شیوه ی آموزشی ممنتم در تمامی ایستگاه ها می باشد.

کلیدواژه ها:

مدل سازی بارندگی استان کردستان ، شبکه عصبی مصنوعی پرسپترون ، آموزش ممنتم ، آموزش مجذور گرادیان ، آموزش مارکوات-لونبرک