پیش بینی بارش ماهانه در منطقه ایران با استفاده از ترکیب شبکه های عصبی مصنوعی و فیلتر کالمن توسعه یافته

بارش باران یکی از مهم‌‌ترین پدیده‌های جوّی است که بر زندگی بشر اثر می‌گذارد. پیش‌بینی بارش باران برای اهداف مختلفی مانند برنامه‌ریزی فعالیت‌های کشاورزی، پیش‌بینی سیلاب، پایش خشکسالی و تأمین آب مصرفی از اهمیت بالایی برخوردار است. هدف این مقاله پیش‌بینی بارش ماهانه در ایران با استفاده از روش جدید ترکیب شبکه‌های عصبی مصنوعی و فیلتر کالمن توسعه‌یافته می‌باشد، که برای این هدف از داده‌های میانگین بارش ماهانه حدود 180 ایستگاه سینوپتیک ایران که در سراسر کشور پراکنده هستند، طی سال‌های 1951 تا 2016استفاده شده و به پیش‌بینی بارش ماهانه برای سال 2017 با استفاده از روش مقاله پرداخته شده است. در این مطالعه ایران شامل 8 پهنه اقلیمی است که به روش کوپن-گایگر تقسیم‌بندی شده است. از شبکه عصبی مصنوعی چندلایه با دو لایه مخفی که در هر لایه 10 نورون قرار گرفته است، برای پیش‌بینی در هر یک از پهنه‌های اقلیمی استفاده شد که برای آموزش این شبکه از فیلتر کالمن توسعه ‌یافته استفاده گردید. اختلاف مقادیر بارش ماهانه اندازه‌گیری شده در سال 2017 و مقادیر حاصل از پیش‌بینی در تمام ایستگاه‌ها محاسبه گردید. جذر میانگین مربعات این اختلافات (RMSE) در حالت نرمال برای 8 پهنه اقلیمی در مراحل آزمون و پیش‌بینی محاسبه گردید که برای اقلیم بیابان خشک و بسیار گرم نسبت به اقلیم‌ بیابان خشک و سرد کمتر است و برای اقلیم نیمه‌بیابانی خشک و سرد نسبت به اقلیم نیمه‌بیابانی خشک و بسیار گرم کمتر است و برای اقلیم معتدل با تابستان‌های خشک و بسیار گرم نسبت به اقلیم معتدل پرباران با تابستان‌های گرم کمتر است و برای اقلیم برفی با تابستان‌های خشک و بسیار گرم نسبت به اقلیم برفی با تابستان‌های خشک و گرم کمتر می‌باشد. در بیشتر موارد RMSE بدست آمده در اقلیم‌های بسیار گرم دارای مقدار کمتری است که نشان دهنده کارایی بهتر روش مقاله در پیش‌بینی بارش در این نوع اقلیم می‌باشد.