انتخاب بهترين پارامترهاي شبكه عصبيANN به منظور تخمين داده هاي بارش ماهانه

بارندگی یكی از اجزای اصلی چرخه ی هیدرولوژی است. اندازه گیری نقطه ای بارندگی، عدم پراكنش مناسب ایستگاه های هواشناسی و همچنین عدم دسترسی به برخی مناطق برای اندازه گیری باعث پیدایش روشهایی برای برآورد داده های معتبر در مناطق فاقد آمار شده است. شبكه عصبی مصنوعی در چند دهه اخیر و در مطالعات صورت گرفته برای مدلسازی سیستم پیچیده و غیرخطی قابلیت بسیار بالایی از خود نشان داده است. برای این منظور پژوهشی در استان قزوین در 36 ایستگاه هواشناسی در 6 سال آماری انجام شد. سپس با استفاده از مقادیر بارندگی به عنوان خروجی هدف، شبكه های مختلفی با ساختارهای متفاوت تعریف و آموزش داده شد. 20 % دادهها بهطور تصادفی برای ارزیابی شبكه ها استفاده شد. درنهایت دادههای پیشبینی شده توسط شبكه های مختلف با شاخص آماری میانگین انحراف خطاMBEمجموع مربعات خطاSSE و ضریب همبستگیR2 مقایسه شد