ارزيابي روش‌هاي خوشه‌بندي فازي و شبكه عصبي مصنوعي در پهنه‌بندي فضايي بارش سالانۀ ايران

بارش يكي از عناصر اصلي چرخۀ هيدرواقليمي كرۀ زمين است كه چگونگي تغييرپذيري آن تابع روابط پيچيده و غيرخطي بين سامانۀ اقليم و عوامل محيطي است. شناخت اين روابط و انجام برنامه‌ريزي‌هاي محيطي بر مبناي آنها در حالت عادي امري دشوار بوده و در نتيجه طبقه‌بندي داده‌ها و تقسيم اطلاعات به دسته‌هاي متجانس و كوچك مي‌تواند در اين زمينه كمك‌كننده باشد. در پژوهش حاضر تلاش شد تا داده‌هاي بارش، ارتفاع‌، شيب‌، جهت دامنه‌ها و تراكم ايستگاهي براي 3423 ايستگاه همديد، اقليم‌شناسي و باران‌سنجي ايران در دوره ي 1961-2015 به مدل‌هاي فازي (FCM) و شبكه عصبي خودسازمانده (SOM-ANN) وارد و ضمن انجام پهنه‌بندي بارشي– محيطي، خروجي‌هاي دو مدل از لحاظ دقت و كارايي مورد مقايسه قرار گيرد. نتايج حاصل از خروجي مدل‌ها، شرايط بارشي ايران را در ارتباط با عوامل محيطي به چهار پهنه تقسيم‌بندي كرده است. همچنين، بررسي شاخص‌هاي ارزيابي نشان داد هر دو مدل از دقت بالايي در امر طبقه‌بندي فراسنج بارش برخوردار هستند؛ با اين حال مدل فازي از لحاظ دقت نتايج برتري نسبي به مدل شبكۀ عصبي دارد.