برآورد توزيع مكاني بارش با استفاده از شبكه هاي عصبي مصنوعي چند جزئي

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