پیش بینی بارش ماهانه با استفاد از مدل های هوش مصنوعی GEP و ANN (مطالعه موردی: ایستگاه هواشناسی رشت)

پیش بینی بارش در بسیاری جنبه های مختلف مدیریت حوضه ها نظیر سیستم های هشدار سیل و خشکسالی اهمیت دارد. همچنین تغییرات زمانی و مکانی بارش موجب دشوار شدن پیش بینی بارش شده است. میزان بارش به متغیرهای زیادی نظیر دما، رطوبت، تبخیر، سرعت باد و غیره بستگی دارد. در این تحقیق داده های باران، رطوبت، تبخیر و دمای ایستگاه رشت، برای پیش بینی بارش ماهانه با استفاده از مدل های هوشمند شبکه عصبی (ANN) و برنامه ریزی بیان ژن (GEP)، به کار برده شده است. چون ورودی ها و خروجی مدل های پیش بینی دارای واحدهای مختلفی بودند، لذا تمام داده ها نرمال گردیدند و سپس دو روش با آماره های مناسب مانند ضریب همبستگی (r)، مجذور میانگین مربعات خطا (RMSE) و میانگین مطلق انحرافات (MAD) ارزیابی و مقایسه شدند. با توجه به معیارهای خطا نتیجه گرفته شد که روش ANN با آماره های RMSE=0/128 و MAD=0/141 و r=0/648 نسبت به مدل GEP با RMSE=0/186 و MAD=0/145 و r=0/639 نتایج بهتری داشته است هر چند که این نتایج بسیار به هم نزدیک می باشند. بنابراین شبکه های عصبی می توانند بارش ماهانه را بهتر از برنامه ریزی ژنتیک پیش بینی کنند.

کلیدواژه ها:

پیش بینی بارش ماهانه ، رشت ANN ، GEP