كاربرد شبكه عصبي مصنوعي در شبيه سازي عناصر اقليمي و پيش بيني سيكل خشكسالي (مطالعه موردي : شهرستان نيشابور)

(Using Artificial Neural Networks in Simulation of Climatic Parameters and Prediction of Drought (Case Study: Neyshabur

در اين پژوهش، از شبكه عصبي مصنوعي به عنوان ابزاري توانمند در مدل سازي فرآيندهاي غير خطي و نامعين، به منظور پيش بيني عناصر اقليمي در 17 ايستگاه سينوپتيك، كليماتولوژي و هيدرومتري شهرستان نيشابور كه حداقل 35 سال آمار روزانه داشتند، استفاده شد. از نرم افزار MATLAB در شاخه Neural Network براي پيش بيني و تجزيه و تحليل عناصر اقليمي كمك گرفته شد. ورودي مدل ANN داده هاي ميانگين ماهانه بارش ، دبي حداقل و دماي بيشينه است كه اين داده ها، بازه زماني سال هاي 1350 تا 1384 را در بر مي گيرند. اطلاعات 28 سال براي آموزش مدل ها و 7 سال باقي مانده براي آزمايش آنها به كار رفته است. شبكه مورد استفاده از نوع پرسپترون چندلايه با الگوريتم پس انتشار خطا و تكنيك يادگيري ماركوارت لونبرگ است .ساختار شبكه عصبي با 7 گره در لايه ورودي ، 3 گره در لايه پنهان و 1 گره در لايه خروجي ايجاد گرديد . نتايج حاصل از تحقيق حاضر، نشان مي دهد كه دماي بيشينه، دبي و بارش، نقش مثبتي در پيش بيني بارشهاي شهرستان نيشابور داشته، با كاربرد شبكه عصبي مصنوعي ميتوان با دقت بالاي 95 درصد، سيكل خشكسالي اين شهرستان را پيش بيني نمود.

In this research, artificial neural networks as a tool for modeling nonlinear and uncertain processes, in order to predict the climate of the 17 synoptic stations, Climatology and gauging city of Neyshabur, who were at least 35 years of daily data, were used. MATLAB software in a plug Neural Network for predicting and analyzing the elements were used. ANN model input data, average monthly precipitation, minimum temperature and maximum flow rate of the data, the period from 1350 to 1384 in the fall. 28 years data for model training and testing have been used for the remaining 7 years. Back propagation algorithm of multilayer perceptron networks using learning techniques Marquardt- Marquardt is. The structure of neural network with 7 nodes in the input layer, 3 nodes in the hidden layer and one node in the output layer is established. The results of this study indicate that the maximum temperature, flow and precipitation have a positive role in the prediction of precipitation city of Neyshabur, the application of artificial neural networks can accurately 95 percent of the city's drought cycles predicted.