برآورد توزیع مکانی بارش با استفاده از شبکه های عصبی مصنوعی چندجزئی

در بسیاری از شبیه سازی های هیدرولوژیکی، علاوه بر تغییرات زمانی بارش، تغییرات مکانی آن نیز از اهمیت زیادی برخوردار است . در مدلهای بارش - رواناب توزیعی، مشخص بودن توزیع مکانی بارندگی یکی از الزامات مدلسازی است و در مدلهای بارش - رواناب یکپارچه نیز توزیع مکانی بارندگی برای تخمین هرچه دقیق تر میانگین بارندگی حوضه مورد نیاز است . برای برآورد توزیع مکانی بارندگی روشهای گوناگونی مورد استفاده قرار می گیرد که از جمله آنها می توان به روشهای زمین آماری و روشهای همبستگی اشاره نمود . در مناطق کوهستانی ( که بخش عمده ای از تولید آب در حوضه ها را بر عهده دارند ) بدلیل کمبود ایستگاههای بارانسنجی، تغییرات زیاد بارش و پیچیدگی ارتباط بارش با پارامترهای اثرگذار بر آن، اهمیت استفاده از روشهای کارآ در برآورد توزیع مکانی بارندگی دو چندان می گردد . مجموعه خصوصیات وسیع شبکه های عصبی مصنوعی (ANN) از آنها ابزار قدرتمندی در نگاشت توابع، خصوصاً توابع غیرخطی بوجود آورده است . در تحقیق حاضر از شبکه عصبی برای برآورد مکانی داده های بارش سالانه حوضه کارون استفاده است . نتایج نشان می دهد که شبکه های عصبی در برآورد مکانی داده های بارش سالانه از توانایی بالایی برخوردار بوده و می توان با استفاده از آنها برآورد قابل قبولی را انجام داد .

کلیدواژه ها:

شبکه عصبی مصنوعی ، برآورد مکانی بارندگی ، بارندگی میانگین سالانه ، حوضه کارون