پیش‎بینی مقادیر بارش ماهانه با استفاده از شبکه‎های عصبی مصنوعی و مدل درختی M۵ (مطالعه موردی: ایستگاه اهر)

بارش یکی از مهم‎ترین اجزای چرخه آب است و در سنجش خصوصیات اقلیمی هر منطقه، نقش بسیار مهمی ایفا می‎کند. تخمین مقادیر بارش ماهانه برای اهداف مختلفی چون، برآورد سیلاب، خشکسالی، برنامه‎ریزی آبیاری و مدیریت حوضه‎های آبریز، اهمیت زیادی دارد. پیش‎بینی بارش در هر منطقه‎ای نیازمند وجود داده‎های دقیق اندازه‎گیری‎شده‎ای مانند، رطوبت، دما، فشار، سرعت باد و غیره است. محدودیت‎هایی چون، نبود اطلاعات کافی در مورد مقدار بارش در مقیاس‎های زمانی و مکانی و همچنین پیچیدگی روابط بین پارامترهای هواشناسی مرتبط با بارش، موجب می‎شود محاسبه این پارامتر با استفاده از روش‎های معمول به‎طور دقیق انجام نگیرد. در این پژوهش، ابتدا سناریوهای مختلفی از ترکیب پارامترهای هواشناسی در مقیاس ماهانه برای منطقه اهر در استان آذربایجان شرقی، به‎منزله ورودی شبکه‎های عصبی مصنوعی و مدل درختی ۵M تعریف شد و سپس با در نظر گرفتن دو آماره R و RMSE بهترین سناریو برای هر یک از این دو مدل انتخاب شد. یافته‎ها نشان داد که هر دو روش نتایج نسبتا دقیقی را برای پیش‎بینی ماهانه منطقه ارائه می‎کنند، ولی از آنجاکه مدل درختی ۵M روابط خطی ساده‎ای در اختیار کاربر می‎گذارد، این روش کاربردی‎تر است.