تخمین و بازسازی داده های حداکثر بارش 24 ساعته سالانه با استفاده از مدل تلفیقی الگوریتم ژنتیک و شبکه های عصبی مصنوعی (مطالعه موردی: استان چهارمحال و بختیاری)

چکیدهحداکثر بارش 24 ساعته یکی از عامل های هواشناسی با ماهیتی بسیار تصادفی در مقایسه با سایر داده های مرتبط با بارندگی از جمله بارش های ماهانه و سالانه است. باتوجه به در دسترس نبودن داده های شدت-مدت-فراوانی (i-d-f) و قابلیت دسترسی بیشتر داده های حداکثر بارش 24 ساعته، برآورد بارش های کوتاه مدت بر مبنای بارش 24 ساعته اقدامی رایج در مطالعات و عملیات آبخیزداری است. برخی از مواقع این اطلاعات ناقص میباشد و استفاده از آن ها باعث بروز خطا در نتایج می گردد. در این پژوهش کارآیی استفاده از روش الگوریتم ژنتیک-شبکه عصبی مصنوعی (ga-ann) در بازسازی داده های حداکثر بارش 24 ساعته در استان چهارمحال و بختیاری، توسط نمایانه های آماری rmse، p % و r2 مورد ارزیابی قرار گرفت و با روش شبکه عصبی مصنوعی ساده (ann) مقایسه شد. مقدار نمایانه rmse حاصل از بهترین شبکه ann در اقلیم بسیار مرطوب، نیمه مرطوب، مدیترانه ای و نیمه خشک به ترتیب برابر با 38، 9/25، 8/11، 4/11 میلیمتر و در بهترین شبکه ga-ann به ترتیب برابر با 2/19، 3/14، 8/10 و 4/6 میلیمتر می باشد. نتایج بازسازی در کلیه نواحی آب و هوایی حکمفرما در این استان نشان دهنده برتری معنی دار روش ga-ann نسبت به روش ann می باشد.