مهدی مسیبی برزی - دانشجوی کارشناسی ارشد دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان
شکوفه پورشهابی - دانشجوی کارشناسی ارشد دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان
مسعود حسامی کرمانی - استادیار دانشکده مهندس عمران، دانشگاه صنعتی اصفهان

برنامه ریزی و مدیریت در اغلب سیستمهای آبی و به طور کلی مصرف منابع آب به طور سالم و مداوم به منظور مدیریت مخازن، مهار سیلابها و کشاورزی نیاز به پیش بینی بارندگی در فواصل حداقل یک ماهه سعی شده است با استفاده از روش شبکه های عصبی مصنوعی و داده های 52 سال یک ایستگاه سینوپتیک ، مدلی برای پیش بینی بارندگی ماهانه به دست آید. مزیت این روش انعطاف پذیری بالای شبکه های عصبی مصنوعی در مقابل توابع پیچیده و استفاده از ورودیهایی است که به راحتی در دسترس می باشند. نتایج بدست آمده نشان می دهد که این مدل قادر است میزان بارندگی ماهانه را به دقت قابل قبولی پیش بینی کند. در نهایت شبکه عصبی بهینه برای تخمین بارش ماهانه و موثرترین پارامترهای ورودی معرفی می شوند.

بارندگی ، شبکه های عصبی مصنوعی ، پیش بینی ماهانه