عملکرد مدل های AR4 در شبیه سازی پارامترهای اقلیمی دما و بارش با شبکه عصبی مصنوعی (مطالعه موردی: حوضه آبخیز قره سو)

افزایش غلظت گازهای گلخانه‏ای در جو با توجه به فعالیت‏ های انسانی مانند تغییرات کاربری و استفاده از سوخت‏های فسیلی به گرم شدن کره زمین و عدم تعادل انرژی جهانی منجر شده است. این افزایش در گازهای گلخانه‏ای موجب بروز پدیده‏ای به نام تغییر اقلیم شده است. در این تحقیق عملکرد 4 مدل GCM به نام‏های HADCM3، CGCM3T63، 5.CSIROMK3،NCARCCSM3 (از مجموعه مدل‏های AR4) تحت سناریوی A2 در شبیه ‏سازی پارامترهای اقلیمی دمای میانگین و بارش حوضه قره‏سو با استفاده از شبکه عصبی مصنوعی (ANN) مورد ارزیابی قرار گرفتند. برای آموزش شبکه عصبی مصنوعی از مدل پرسپترون forward استفاده شد. مطابق با ارزیابی عملکرد مدل‏ها با استفاده از ضرایب حداکثر خطای مطلق، میانگین قدر مطلق خطا، جذر میانگین مربعات و ضریب تبیین، در بین مجموعه مدل AR4، به‏ طور میانگین مدل NCARCCSM3 بهترین عملکرد را در شبیه‏سازی پارامترهای اقلیمی دمای حوضه قره‏سو دارد. این مدل همراه با CGCM3T63 کمترین اختلاف را با پارامتر اقلیمی دمای مشاهداتی دارند، در حالی ‏که مدل CGCM3T63 کمترین اختلاف را با پارامتر اقلیمی بارش مشاهداتی دارند. همچنین نتایج نشان داد مدل های CSIROMK3.5 و NCARCCSM3 بیشترین اختلاف را به ترتیب با پارامترهای اقلیمی دما و یارش مشاهداتی دارند. طبق نتایج شبکه عصبی ضریب تبیین برای دو پارامتر اقلیمی دما و بارش به ‏طور میانگین به ترتیب 97//0 و 73/0 برای کل حوضه به دست آمد که نشان‏دهنده دقت شبکه عصبی در شبیه‏سازی این پارامتر دارد.