پیش بینی بارش ماهانه بر اساس سیگنال های بزرگ مقیاس اقلیمی با به کارگیری مدل های هوشمند و رگرسیون خطی چندگانه (مطالعه موردی: ایستگاه سینوپتیک سمنان)

سیگنال‏های بزرگ‏مقیاس اقلیمی شامل کنش‏های جوی ‏اقیانوسی، از عوامل اصلی موثر بر نوسانات اقلیمی زمین هستند و شاخص‏های بسیار مهمی در پیش‏بینی متغیرهای اقلیمی محسوب می‏شوند. در این پژوهش، با به‏کارگیری مدل‏های شبکه عصبی مصنوعی، شبکه فازی ‏عصبی و رگرسیون خطی چندگانه، بارش ماه آتی در ایستگاه سینوپتیک سمنان پیش‏بینی شد. بدین منظور، از سری زمانی ماهانه بارش ایستگاه سینوپتیک سمنان و سیگنال‏های بزرگ‏مقیاس اقلیمی طی یک دوره 45 ساله (1966 2010 میلادی) استفاده شد. سیگنال‏های موثر بر بارش ماه آتی با استفاده از تحلیل رگرسیون خطی گام‏به‏گام تعیین شدند و به‏عنوان متغیرهای ورودی در مدل‏های استفاده شده، انتخاب شدند. از 540 سری داده ماهانه، 80 درصد ابتدایی برای آموزش و 20 درصد باقی برای آزمون صحت‏سنجی مدل‏ها استفاده شدند. عملکرد مدل‏ها با معیارهای ارزیابی ضریب همبستگی، میانگین قدر مطلق خطا و ریشه میانگین مربعات خطا مقایسه شد. نتایج صحت‏سنجی نشان داد ضرایب همبستگی به‏دست‏آمده (829/0، 793/0 و 767/0) به ترتیب مربوط به مدل‏های شبکه عصبی مصنوعی، شبکه فازی ‏عصبی و رگرسیون خطی چندگانه اند. بر اساس نتایج این تحقیق، می‏توان برای پیش‏بینی بارش ماه آتی ایستگاه سینوپتیک سمنان، به ترتیب از مدل‏های شبکه عصبی مصنوعی، شبکه فازی ‏عصبی و رگرسیون خطی چندگانه استفاده کرد.