الهام کاکائی - دانشجوی کارشناسی ارشد آبخیزداری، دانشگاه زابل.
علیرضا مقدم نیا - دانشیار گروه مهندسی مرتع و آبخیزداری دانشگاه زابل.
احمد پهلوانروی - استادیار گروه مهندسی مرتع و آبخیزداری دانشگاه زابل.
آزاده احمدی - استادیار گروه مهندسی عمران آب دانشگاه صنعتی اصفهان.

پیشبینی بارش به عنوان یک پدیده آب و هوایی، نقش مهمی در مطالعات پیشبینی سیلاب، منابع آب و مدیریت حوضه آبخیز دارد. روشهای پیشبینی بارش را می توان به دو گروه تقسیم کرد: روشهای آماری و مدلهای عددی پیشبینی یا NWP به دلیل خصوصیات غیرخطی پدیده بارش، مدلهای آماری نمی توانند نتایج مناسبی ایجاد کنند. همچنین شرایط اقلیمی محلی در فرآیند بارش تاثیرگذار است و مدلهای NWP نمیتوانند این مشکل را حل کنند. اخیرا، تکنیکهای هوش مصنوعی به دلیل توانایی و انعطاف پذیری که در مدلسازی فرآیند غیرخطی بارش دارا می باشد جهت پیش بینی بارش مورد استفاده قرار گرفته است. در این مقاله بارش در زیرحوضه قلعه شاهرخ واقع در بالادست سد زاینده رود با استفاده از شبکه های عصبی مصنوعی (ANNs) و سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) برای یک دوره 10 ساله (1388-1378) پیش بینی شده است. همچنین بهترین ترکیب ورودی با استفاده از گاما تست مشخص گردید. نتایج نشان میدهد که مدل ANFIS با ضریب تعیین برابر 0/9293 و RMSE برابر با 0/7158 در دوره ارزیابی می تواند بهتر از سایر مدلها بارش را پیشبینی کند. همچنین نتایج نشان میدهد که پیشبینی بارش بر اساس پردازش ترکیب ورودی عملکرد بهتری در مقایسه با پیش بینی بدون پردازش ترکیب وروردی داشته است.

پیشبینی بارش، شبکه عصبی مصنوعی، ANFIS، گاما تست