یعقوب عبداله نژاد - گروه مهندسی کامپیوتر، موسسه غیرانتفاعی مقدس اردبیلی، اردبیل، ایران
سهیل افراز - گروه مهندسی کامپیوتر، واحد اردبیل، دانشگاه آزاد اسلامی، اردبیل، ایران

بارش یک عنصر مهم از منابع آبی در تمام نقاط جهان از جمله مناطق خشک و نیمه خشک می باشد. بارش به عنوان مهم ترین عنصر اقلیمی همواره در سرزمین ایران از پیچیدگی های خاصی برخوردار بوده است. به طوری که محقّقان بسیاری کوشیده اند تا در پژوهش های خود به تببین دقیق این تغییرپذیری ها در حوضه های مختلف بپردازند و پژوهش های بسیاری در این زمینه انجام داده اند. از جمله روش های کارآمد که امروزه برای پیش بینی بارش به عنوان یک فرایند نامنظم، اهمیت دارد، شبکه های عصبی است که به عقیده متخصصان، علّت اصلی مقبولیت و استفاده روزافزون آن، قدرت و سرعت بالا در شبیه سازی فرایندهایی است که درك و شناخت درستی از آن وجود نداشته و یا بررسی آنها با دیگر روش های موجود، بسیار دشوار و وقت گیر می باشد. بر همین اساس در این مقاله روشی مبتنی بر الگوریتم K-NN و سیستم استنتاج عصبی-فازی برای پیش بینی میزان بارش در دشت اردبیل ارائه شده است. هدف از روش پیشنهادی کاهش خطای پیش بینی و افزایش دقت پیش بینی بارش در اندازه گیری داده های هواشناسی است. نتایج حاصل از پیاده سازی روش پیشنهادی بیانگر کاهش خطای پیش بینی شده در حداقل زمان ممکن است. در مقایسه این روش با سایر روش ها مشاهده گردید که این روش با بکارگیری سیستم استنتاج عصبی-فازی بر اساس معیارهای خطای پیش بینی دقت بهتری دارد.

پیش بینی میزان بارش، الگوریتم K-NN ، سیستم استنتاج عصبی-فازی، کاهش خطا، دشت اردبیل