عملكرد شبكه عصبي مصنوعي و آزمون نسبت ها و تفاضل ها در بازسازي داده هاي ايستگاه هاي باران سنجي

یكی ازعوامل طبیعی كه همواره باعث خسارت های زیادی شده اند سیلاب ها می باشند. برای جلوگیری ازاین خسارت ها پیش بینی سیلاب ها امری مهم تلقی می شود كه نیاز به بررسی داده های بارش دارد. اما پیش بینی بارش در یك ایستگاه نیازمند آمار و اطلاعات كافی از نحوه بارندگی در یك طول آماری طولانی در آن ایستگاه می باشد. لیكن فقدان داده های بارندگی و نواقص آماری آنها در برخی از ایستگاههای هواشناسی مشكلاتی را به همراه داشته و از دقت آن می كاهد. در تحقیق حاضر به منظور بازسازی داده های بارش یك ایستگاه از مدل شبكه عصبی (ANN) و مدل های ریاضی آزمون نسبت ها و تفاضل ها استفاده شد. دراین روش از داده های ماهانه 4 ایستگاه در طول دوره آماره 1370تا 1389 استفاده شد. كه 70 درصد داده ها برای آموزش شبكه و 30 درصد هم برای صحت سنجی به كار برده شد . نتایج نشان داد كه مدل شبكه عصبی مصنوعی از روش نسبت ها و تفاضل ها دقت بیشتری در بازسازی داده ها دارد و علاوه بر این هرچه تعداد داده های ورودی برای آموزش شبكه بیشتر باشد نتایج دقیق تر است.زمانی كه از داده های 3 ایستگاه آقاجانبلاغی و مریانج و آق كهریز برای آموزش شبكه استفاده شد میزان RMSE=12.33 و ضریب تبعیین 88,.است.