پهنه بندی اطلاعات بارندگی با استفاده از روشهای آمارکلاسیک و زمین آمار و مقایسه با شبکه عصبی مصنوعی

در اکثر مسائل هیدرولوژیکی و مطالعات منابع آب، در دسترس بودن آمار و اطلاعات بارندگی از اهمیت ویژه ای برخوردار است. روش های آماری درون یابی منتوعی همانند نزدیکترین همسایگی وزنی، فاصله معکوس، انحنای کمینه و … وجود دارند که به کمک آنها می توان خطوط همباران را استخراج نمود. اما به دلیل عدم کفایت آمار و اطلاعات موجود و دقت پایین اندازه گیریها ، تخمین حاصله چندان رضایت بخش نیست. طی چند دهه اخیر مبانی علم زمین آمار به خوبی گسترش یافته و تواناییهای این شاخه از آمار در بررسی و پیش بینی متغیرهای مکانی مشخص شده است. در این تحقیق با استفاده از روش های آمار کلاسیک وزمین آمار، اطلاعات جغرافیایی پهنه بندی باران صورت گرفته تا خطوط همباران را استخراج نمود. در ادامه از شبکه های عصبی مصنوعی به عنوان یک درون یاب مستقل استفاده شده است و نتایج حاصل از الگوریتم و مدل های مذکور با هم مقایسه شدند. نتایج نشان دهنده برترب روش های زمین آماری و تخمینگرهای کریگینگ و کوکریگنیگ بود.