مدل سازی بارش ماهانه با استفاده از شبکه ی سیستم عصبی مطالعه ی موردی: شهرستان خرم آباد

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه جغرافیا، واحد نجف آباد، دانشگاه ازاد اسلامی ، نجف اباد، ایران

2 پژوهشکده هواشناسی

چکیده

چکیده:
بارش از مهمترین و اساسی‌ترین عناصر اقلیمی می‌باشد که در تعیین نقش و پراکنش سایر عناصر اقلیمی نقش برجسته‌ای دارد. در این پژوهش به منظور مدل‌سازی بارش خرم‌آباد از داده‌های بارش ماهانه‌ی ایستگاه همدید خرم‌اباد در بازه‌ی آماری (2014-1951) به مدت 64 سال بعنوان متغیر وابسته و شاخصهای اقلیمی و عناصر اقلیمی بعنوان متغیر مستقل استفاده شده است. برای استفاده از مهم‌ترین عناصر اقلیمی موثر بر منطقه‌ی مورد مطالعه از تحلیل عاملی استفاده شد و برای تشخیص مهم‌ترین شاخص اقلیمی موثر بر متغیر وابسته از روش-های تحلیل رگرسیونی گام به گام استفاده شد. نتایج پژوهش بعد از آزمون شبکه با لایه‌های پنهان و با ضرایب یادگیری مختلف و سعی و خطای زیاد آشکار ساخت که با شاخصهای اقلیمی با مدلهای 6 گانه با ضریب همبستگی به ترتیب 63% ، 74% ، 76% ، 88% ، 86% ،89% می‌توان به مدل‌سازی بارش پرداخت و با عناصر اقلیمی عامل اول موثر بر اقلیم منطقه که بیش از 50 درصد داده‌ها را تبیین می‌کند با ضریب همبستگی 90 درصد و با عوامل بارشی 99% و عوامل دمایی که بار منفی دارند با ضریب همبستگی 98.8% ، عامل دوم موثر بر اقلیم منطقه عامل (بادی) 76% ، عامل سوم(دمایی) 91% ، به مدل‌سازی پرداخت.

کلیدواژه‌ها