محمد کارآموز - استاد دانشکده عمران دانشگاه تهران
مریم رحیمی فراهانی - دانشجوی کارشناسی ارشد، عمران - آب دانشگاه صنعتی امیرکبیر
علی مریدی - دانشجوی دکتری آب دانشگاه صنعتی امیرکبیر

پیش بینی بلند مدت بارش در برنامه ریزی و مدیریت منابع آب، خصوصا در مناطق با اقلیم خشک و نیمه خشک، از اهمیت بالایی برخوردار است. دراین مقاله، روشی برای پیش بینی بارش سیگنال های بزرگ مقیاس اقلیمی به عنوان پیش بینی کننده (Predictor) و شبکه های عصبی مصنوعی به عنوان ابزار شبیه سازی و پیش بینی کننده، مورد استفاده قرار گرفته اند. روش ارائه شده از دو گام تشکیل شده است. درگام اول، ارتباط بین سیگنال های اقلیمی از جمله تغییرات فشار در تراز سطح آب دریا (SLP) و همچنین اختلاف فشار بین نقاط پر فشار و کم فشار (SLP دلتا) با بارش منطقه مورد مطالعه تعیین میگردد. در گام دوم، مدل شبکه عصبی مصنوعی برای پیش بینی میزان بارش بر اساس سیگنال های انتخابی در گام اول توسعه داده شده است. برای بررسی کارآیی روش پیشنهادی، از آن برای پیش بینی بارش حوزه آبریز رودخانه کاجو واقع در جنوب شرق ایران استفاده شده است. در این راستا همبستگی بارش در 5 ماه آذر تا فروردین که 75% بارش سالانه را در بر می گیرند، در تاخیرهای مختلف، با سیگنال های اقلیمی منطقه مورد بررسی قرار گرفته است. پس از تعیین سیگنال های موثر و نقاط شاخص، مدل شبکه عصبی برای پیش بینی بارش منطقه تدوین شده است. نتایج بدست امده نشان دهنده کارآیی مناسب و دقت قابل قبول شبکه های عصبی مصنوعی در پیش بینی بلند مدت بارش می باشد به طوری که بارش های واقعی در 70% از سال ها در دامنه تعریف شده پیش بینی قرار می گیرند . از این رو، با استفاده از روش توسعه داده شده می توان وضعیت بارش های حوزه را از قبل تعریف نمود و در مدیریت و بهره برداری از منابع آب حوزه دخالت داد.

پیش بینی بلند مدت بارش, سیگنال های بزرگ مقیاس اقلیمی, شبکه های عصبی مصنوعی