پيش بيني بلند مدت بارش با استفاده از سيگنال هاي هواشناسي ، كاربرد شبكه هاي عصبي مصنوعي (منطقه جنوب شرق ايران)

پیش بینی بلند مدت بارش در برنامه ریزی و مدیریت منابع آب، خصوصا در مناطق با اقلیم خشك و نیمه خشك، از اهمیت بالایی برخوردار است. دراین مقاله، روشی برای پیش بینی بارش سیگنال های بزرگ مقیاس اقلیمی به عنوان پیش بینی كننده (Predictor) و شبكه های عصبی مصنوعی به عنوان ابزار شبیه سازی و پیش بینی كننده، مورد استفاده قرار گرفته اند. روش ارائه شده از دو گام تشكیل شده است. درگام اول، ارتباط بین سیگنال های اقلیمی از جمله تغییرات فشار در تراز سطح آب دریا (SLP) و همچنین اختلاف فشار بین نقاط پر فشار و كم فشار (SLP دلتا) با بارش منطقه مورد مطالعه تعیین میگردد. در گام دوم، مدل شبكه عصبی مصنوعی برای پیش بینی میزان بارش بر اساس سیگنال های انتخابی در گام اول توسعه داده شده است. برای بررسی كارآیی روش پیشنهادی، از آن برای پیش بینی بارش حوزه آبریز رودخانه كاجو واقع در جنوب شرق ایران استفاده شده است. در این راستا همبستگی بارش در 5 ماه آذر تا فروردین كه 75% بارش سالانه را در بر می گیرند، در تاخیرهای مختلف، با سیگنال های اقلیمی منطقه مورد بررسی قرار گرفته است. پس از تعیین سیگنال های موثر و نقاط شاخص، مدل شبكه عصبی برای پیش بینی بارش منطقه تدوین شده است. نتایج بدست امده نشان دهنده كارآیی مناسب و دقت قابل قبول شبكه های عصبی مصنوعی در پیش بینی بلند مدت بارش می باشد به طوری كه بارش های واقعی در 70% از سال ها در دامنه تعریف شده پیش بینی قرار می گیرند . از این رو، با استفاده از روش توسعه داده شده می توان وضعیت بارش های حوزه را از قبل تعریف نمود و در مدیریت و بهره برداری از منابع آب حوزه دخالت داد.