ارزیابی توانایی مدل‌های هوشمند در پیش‌بینی بارندگی ماهانه به کمک الگوهای پیوند از دور (مطالعه موردی استان خراسان رضوی)

الگوهای پیوند دور از جمله عوامل موثر بر میزان بارش می‌باشند، در این تحقیق توانایی مدل‌های هوشمند در پیش‌بینی بارندگی ماهانه به کمک داده‌های پیوند از دور در هشت ایستگاه سینوپتیک استان خراسان رضوی برای سال‌های 1991 تا 2010 مورد بررسی قرار گرفت. مدل‌های هوشمند مورد بررسی عبارتند از مدل شبکه عصبی مصنوعی، مدل استنتاج فازی و مدل نروفازی. معیارهای آماری برای مقایسه نتایج مدل‌ها شامل ضریب‌ همبستگی، میانگین‌ خطای ‌اریبی، میانگین ‌مربعات‌ خطا و معیارهای ترکیبی جاکووی دز و صباغ می‌باشد. پس از یافتن بهترین ساختار برای مدل‌های هوشمند و مقایسه آن‌ها، مشخص گردید مدل نروفازی بهترین نتایج را دارا می‌باشد. معیار‌های آماری برای پیش‌بینی بارش به روش نروفازی به ترتیب در یک ماهه آینده برابر 8/0، 55/0-، 43/0، 7/0، 91/0، برای دو ماهه آینده برابر 79/0، 32/1-، 48/0، 56/1، 4/0 و برای سه ماهه آینده برابر 73/0، 37/1-، 54/0، 47/1، 36/0 به‌دست آمد. نتایج مدل‌های هوشمند برای ایستگاهی که داده‌های آن در بخش آموزش بکار برده نشده بود حاکی از این است که مدل‌ها برای منطقه جغرافیایی آموزش دیده توانایی پیش‌بینی بارش را دارند. بررسی دقت مدل نروفازی در هر یک از کلاس‌های شاخص بارندگی استاندارد نشان داد که این مدل در برآورد مقادیر بارش در کلاس‌های تر سالی بسیار شدید و تر سالی شدید کم برآورد داشته است. در نهایت نتایج این تحقیق نشان داد که مدل‌های هوشمند مخصوصاً مدل نروفازی ابزار مناسبی برای پیش‌بینی بارندگی می‌باشند، اما از این مدل‌ها در کلاس‌های تر سالی بسیار شدید و تر سالی شدید با تامل بیشتری باید استفاده نمود.