پيش بيني بارش ماهانه با استفاد از مدل هاي هوش مصنوعي GEP و ANN (مطالعه موردي: ايستگاه هواشناسي رشت)

پيش بيني بارش در بسياري جنبه هاي مختلف مديريت حوضه ها نظير سيستم هاي هشدار سيل و خشكسالي اهميت دارد. همچنين تغييرات زماني و مكاني بارش موجب دشوار شدن پيش بيني بارش شده است. ميزان بارش به متغيرهاي زيادي نظير دما، رطوبت، تبخير، سرعت باد و غيره بستگي دارد. در اين تحقيق داده هاي باران، رطوبت، تبخير و دماي ايستگاه رشت، براي پيش بيني بارش ماهانه با استفاده از مدل هاي هوشمند شبكه عصبي (ANN) و برنامه ريزي بيان ژن (GEP)، به كار برده شده است. چون ورودي ها و خروجي مدل هاي پيش بيني داراي واحدهاي مختلفي بودند، لذا تمام داده ها نرمال گرديدند و سپس دو روش با آماره هاي مناسب مانند ضريب همبستگي (r)، مجذور ميانگين مربعات خطا (RMSE) و ميانگين مطلق انحرافات (MAD) ارزيابي و مقايسه شدند. با توجه به معيارهاي خطا نتيجه گرفته شد كه روش ANN با آماره هاي RMSE=0/128 و MAD=0/141 و r=0/648 نسبت به مدل GEP با RMSE=0/186 و MAD=0/145 و r=0/639 نتايج بهتري داشته است هر چند كه اين نتايج بسيار به هم نزديك مي باشند. بنابراين شبكه هاي عصبي مي توانند بارش ماهانه را بهتر از برنامه ريزي ژنتيك پيش بيني كنند.