پیش بینی بلندمدت بارش با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی جنوب غرب ایران)

در این مقاله اثرات سیگنالهای بزرگ مقیاس اقلیمی بر روی بارشهای کوتاه مدت و بلند مدت ناحیه جنوب غرب ایران مورد بررسی قرار گرفت. سیگنالهای بزرگ مقیاس اقلیمی یکی از عواملی هستند که میتوانند در تحلیل تغییرات فصلی و سالانه بارش موثر باشند. در این تحقیق از داده های ماهانه سیگنالهای بزرگ مقیاس اقلیمی نظیر شاخص نوسان جنوبی (SOI)، نوسان اطلس شمالی (NAO) و پدیده ENSO در مناطق NINO3.4، NINO3، NINO4 و1+2 NINO استفاده شد. تمامی داده های مربوط به سیگنالهای فوق از مرکز داده های آنالیز شده NCEP طی سالهای 1960 تا 2003 دریافت گردید. به منظور تعیین موثرترین سیگنالها بر بارش ناحیه جنوب غرب ایران از روش رگرسیون چند متغیره استفاده شد. نتایج تحلیل رگرسیونی نشان داد که پدیده ENSO در مناطق NINO3، NINO1+2 و NINO3.4 به عنوان موثرترین سیگنال در پیشبینی بارش ناحیه جنوب غرب ایران می باشند. پس از شناسایی سیگنالهای موثر با استفاده از مدل شبکه عصبی مصنوعی، بارش برای بازه های همزمان، سه ماهه و شش ماه آینده پیشبینی شد. تحلیل نتایج مدل شبکه عصبی مصنوعی با داده های مشاهدهای نشان داد که فازهای گرم ENSO با دوره های پر بارش و فازهای سرد ENSO با دوره های کم بارشی در منطقه مورد مطالعه همراه است.