پیش بینی بارش روزانۀ استان کرمان با شبکه های عصبی مصنوعی (مطالعة موردی: کرمان، بافت و میانده جیرفت)

جغرافیاوتوسعه ناحیه ای

مقاله 10، دوره 12، شماره 2 - شماره پیاپی 23، پاییز و زمستان 1393  

نوع مقاله: علمی- پژوهشی

شناسه دیجیتال (DOI): 10.22067/geography.v12i23.26991

نویسندگان

کمال امیدوار¹؛ معصومه نبوی زاده ²

¹دانشگاه یزد

²دانشگاه یزد- آموزش و پرورش ناحیه 2 کرمان

چکیده

اهداف: هدف این پژوهش، پیش بینی بارش روزانه با استفاده از آمار روزانۀ هواشناسی ایستگاه های کرمان، بافت و میانده جیرفت، طی دورۀ مشترک آماری 23 ساله (2012-1989) می باشد.
روش: برای دست یافتن به هدف تحقیق، به آموزش شبکه های عصبی مصنوعی با ساختار پرسپترون چند لایه و شبکة عصبی تابع پایة شعاعی پرداخته شد. ترکیب های مختلف پارامترهای کمینۀ دما، بیشینۀ دما، میانگین دما، رطوبت نسبی، سرعت و جهت باد و نیز میانگین فشار، به عنوان ورودی های شبکه های عصبی مصنوعی و بارش روزانه به عنوان خروجی شبکه درنظر گرفته شدند.
یافته ها/ نتایج: نتایج نشان داد شبکه های عصبی مصنوعی پایۀ تابع شعاعی از دقت بسیار بیشتر و خطای کمتری نسبت به شبکة عصبی پرسپترون، برای تخمین بارش روزانه در هر سه ایستگاه برخوردار هستند.
نتیجه گیری: در بهترین ترکیب با پارامتر های کمینه و بیشینه و حداقل دما و رطوبت نسبی، سرعت و جهت باد و نیز میانگین فشار در ایستگاه کرمان با ضریب همبستگی 907/0 و جذر میانگین مربعات خطای 014/0، بهترین مدل پیش بینی بارش در این تحقیق شناخته شدند.

کلیدواژه‌ها

پیش بینی بارش؛ شبکۀ عصبی پرسپترون؛ شبکۀ عصبی تابع پایة شعاعی؛ کرمان؛ بافت؛ میانده جیرفت