مقايسه عملكرد شبكه عصبي مصنوعي با ساير روشها در برآورد مكاني بارندگي روزانه

برنام هريزي، توسعه، مديريت و بهره برداري بهينه از سيستمهاي منابع آب به اطلاعات متنوعي در زمينه هاي هواشناسي، هيدرولوژي، اقتصادي، اجتماعي،... نيازمند مي باشد. در اين ميان، يزشهاي جوي خصوصٌا بارندگي از مهمترين فرآيندهاي چرخه هيدرولوژيكي بوده و تنها در صورت وقوع آن فرآيندهايي نظير سيلاب، فرسايش، رسوبگذاري، آلودگي آبهاي سطحي و زيرزميني و ... بوقوع مي پيوندد. اين فرآيند از بيشترين تغييرات مكاني و زماني برخوردار بوده و كميت بخشيدن به آن در مكان و زمان همواره مورد توجه محققين مختلف بوده و هست. از اطلاعات بارندگي به طور معمول در مطالعات برآورد نياز آبي گياهان موجود در الگوي كشت، تحليل منطقه اي، آناليز دوره خشكسالي و ترسالي و پيش بيني به هنگام سيلاب استفاده بعمل م يآيد. تغييرات قابل ملاحظه بارندگي در زمان و مكان از يك سو و قلت ايستگاههاي باران سنج معمولي در ثبت عمق بارندگي روزانه از سوي ديگر ضرورت تبيين مدلهاي تخمين بارندگي را در زمان و مكان و خصوصًا مكان امري اجتناب ناپذير مي نمايد. اخيرًا شبكه عصبي مصنوعي در شبيه سازي فرآيندهاي شديدًا غير خطي، غير محدب و داراي ابعاد زياد استفاده شده است.