مقایسه مدل های سری زمانی و شبکه های عصبی مصنوعی در پیش بینی بارندگی
چکیده
بارندگی در مدیریت منابع آب به ویژه در مناطق خشک و نیمه خشک نقش اساسی دارد و شبیه سازی این متغیر هیدرولوژیکی و برآورد میزان آن در هر مقیاس زمانی برای هر منطقه، به عنوان یکی از مهمترین پارامتر های جوی، گامی بسیار مهم در راستای برنامه ریزی بهتر منابع آب و کشاورزی خواهد بود. یکی از کارهای معمول در برنامه ریزی منابع آب، شبیه سازی یا ساختن مدلی از برخی متغیرهای هیدرولوژیکی مانند بارندگی است. در این تحقیق سعی شده تا با استفاده از مدل های با کس-جنکینز و شبکه های عصبی مصنوعی بارندگی فصلی سه ایستگاه اهواز،آبادان و دزفول شبیه سازی شود که در نهایت نشان داده شد که مدل شبکه عصبی در هر سه ایستگاه از کارایی بهتری نسبت به مدل های arima با توجه به آمار 47 سال گذشته برخوردار است