پيش بيني بلند مدت بارش با استفاده از سيگنال هاي هواشناسي، كاربرد شبكه هاي عصبي مصنوعي
پيش بيني بلند مدت بارش با استفاده از سيگنال هاي هواشناسي، كاربرد شبكه هاي عصبي مصنوعي (منطقه جنوب شرق ايران)
خلاصه مقاله:
پيش بيني بلند مدت بارش در برنامه ريزي و مديريت منابع آب، خصوصا در مناطق با اقليم خشك و نيمه خشك، از اهميت بالايي برخوردار است. دراين مقاله، روشي براي پيش بيني بارش سيگنال هاي بزرگ مقياس اقليمي به عنوان پيش بيني كننده (Predictor) و شبكه هاي عصبي مصنوعي به عنوان ابزار شبيه سازي و پيش بيني كننده، مورد استفاده قرار گرفته اند. روش ارائه شده از دو گام تشكيل شده است. درگام اول، ارتباط بين سيگنال هاي اقليمي از جمله تغييرات فشار در تراز سطح آب دريا (SLP) و همچنين اختلاف فشار بين نقاط پر فشار و كم فشار (SLP دلتا) با بارش منطقه مورد مطالعه تعيين ميگردد. در گام دوم، مدل شبكه عصبي مصنوعي براي پيش بيني ميزان بارش بر اساس سيگنال هاي انتخابي در گام اول توسعه داده شده است.
براي بررسي كارآيي روش پيشنهادي، از آن براي پيش بيني بارش حوزه آبريز رودخانه كاجو واقع در جنوب شرق ايران استفاده شده است. در اين راستا همبستگي بارش در 5 ماه آذر تا فروردين كه 75% بارش سالانه را در بر مي گيرند، در تاخيرهاي مختلف، با سيگنال هاي اقليمي منطقه مورد بررسي قرار گرفته است. پس از تعيين سيگنال هاي موثر و نقاط شاخص، مدل شبكه عصبي براي پيش بيني بارش منطقه تدوين شده است. نتايج بدست امده نشان دهنده كارآيي مناسب و دقت قابل قبول شبكه هاي عصبي مصنوعي در پيش بيني بلند مدت بارش مي باشد به طوري كه بارش هاي واقعي در 70% از سال ها در دامنه تعريف شده پيش بيني قرار مي گيرند . از اين رو، با استفاده از روش توسعه داده شده مي توان وضعيت بارش هاي حوزه را از قبل تعريف نمود و در مديريت و بهره برداري از منابع آب حوزه دخالت داد.
كلمات كليدي:
پيش بيني بلند مدت بارش, سيگنال هاي بزرگ مقياس اقليمي, شبكه هاي عصبي مصنوعي
|