Hoda Ghasemiyeh - استادیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و علوم زمین دانشگاه کاشان، کاشان، ایران
ommolbanin bazrafshan - استادیار، گروه مرتع و آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان، بندرعباس، ایران
Kobra Bakhshayesh manesh - کارشناس ارشد آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران

تحقیق حاضر با هدف بررسی تاثیر شاخص های پیوند از دور بر رخداد بارش ماهانه و پیش بینی بارندگی در حوزه آبخیز فلات مرکزی ایران با استفاده از مدل شبکه عصبی مصنوعی چندگامی مستقیم (DMSNN) با پارامترهای مذکور است. براین مبنا مقادیر بارش طی دوره مشترک آماری ۱۹۸۱-۲۰۱۴ در ۲۰ ایستگاه سینوپتیک منطقه مورد مطالعه انتخاب شد، به طوری که دوره آماری ۱۹۸۱- ۲۰۰۴ برای توسعه مدل و سال های ۲۰۰۴-۲۰۱۴ جهت صحت سنجی مدل به منظور پیش بینی شش ماه آینده در مقیاس ماهانه استفاده شد. جهت بررسی میزان دقت مدل، مقادیر مشاهده ای و پیش بینی شده بارندگی با استفاده از آزمون های Z و F مقایسه شدند و به منظور بررسی کارایی مدل، معیارهای R۲، RMSE و MAE استفاده شدند. نتایج نشان دهنده تاثیر قوی شاخص MEI و SOI بر بارش منطقه است. نتایج مدل DMSNN نشان داد که بالاترین کارایی طی یک ماه آینده به بخش جنوبی فلات مرکزی با ضریب همبستگی ۸۱/۰ و ضعیف ترین نتایج به غرب حوزه با ضریب همبستگی ۴/۰ مربوط است. براساس نتایج به دست آمده، شبکه عصبی مصنوعی ابزار مفیدی برای پیش بینی بارش ماهانه و برنامه ریزی مدیریت منابع آب طی شش ماه آتی خواهد بود.

الگوهای پیوند از دور, بارندگی, حوضه فلات مرکزی, شبکه عصبی چندگامی مستقیم