چکیده:
دمــا و بــارش بــه عنــوان دو پــارامتر مهــم هواشناســی ، خصوصــا در منــاطق خشــک و نیمــه خشــک مطــرح هســتند. در نتیجــه شــناخت لازم از میــزان ایــن پارامترهــا، تغییــرات آن هــا و پــیش بینــی ایــن پدیــده هــا، در جهــت داشــتن برنامــه ریــزی دقیــق تــر در مــدیریت بخــش هــای کشــاورزی ، اقتصــادی و اجتمـاعی ضـروری مــی نمایـد. از طـرف دیگــر، تغییـرات بســیاری از متغیرهـای هواشناسـی بــه شـدت بـه پارامترهای گردش جـوی ، زمـین و سـطح اقیانوسـی بـزرگ مقیـاس وابسـته انـد. بـا توجـه بـه ایـن موضـوع ، در تحقیـق حاضـر الگوهـای بـزرگ مقیـاس اقلیمـی (پیونـد از دور) مـوثر بـر پارامترهـای دمـای متوسـط و بــارش ماهانــه ایســتگاه ســینوپتیک مشــهد در دوره آمــاری ٥٥ ســاله ٢٠١٠-١٩٥٦ م . بــه صــورت هــم زمان و با تـاخیرات زمـانی مـورد بررسـی قـرار گرفتـه اسـت . عـلاوه بـر ایـن ، جهـت پـیش بینـی دو پـارامتر فــوق ، از شــبکه هــای عصــبی مصــنوعی بهــره گرفتــه شــده و اثــر پــیش پــردازش داده هــای ورودی شــبکه عصـبی بـه چهـار روش (رگرسـیون ، رگرسـیون بـا داده هـای محـدود، تسـت گامـا و بـدون پـیش پـردازش ) مــورد بررســی قــرار گرفتــه اســت . نتــایج حاصــل حــاکی از آن اســت کــه پــیش پــردازش بــه روش هــای رگرسیون ، رگرسیون محدود و آزمـون گامـا بـه ترتیـب بهتـرین نتـایج را بـرای هـر دو پـارامتر ارائـه کـرده و پیش بینی بـا شـبکه عصـبی بـدون پـیش پـردازش داده هـای ورودی بـه ویـژه بـرای پـارامتر بارنـدگی ، نتـایج مناسبی نداشـته اسـت . هـم چنـین مشـخص شـد کـه در هـر دو روش رگرسـیون مـورد اسـتفاده ، شـاخص اقلیمـی نینـو ١/٢ بـا تـاخیرات زمـانی بـه ترتیـب ٥ و ٤ ماهـه مـوثرترین شـاخص بـر پارامترهـای بـارش و دمای متوسط بوده است که این نتیجه در آزمون گاما نیز صدق می کند.
خلاصه ماشینی:
از سوئی دیگر محققین با ابداع و پیشرفت علومی چون روش های هوشمند که ابـزاری توانمنـد و انعطـاف پذیر و مستقل از مدل های دینامیکی سیستم هستند، در جست و جوی راه هایی برای پیشرفت در شناخت و 1 - Lloyd-Hughes and Saunders 2 - Wallace and Guzzler 3 - Wang and Enfield 4 - Thompson and Wallace 5 - Schwing پیش بینی پارامترهای مهم هواشناسی می باشند (خلیلی و همکاران ، ١٣٨٧: ٩٠).
٢- مواد و روش ها ١-٢- مواد ١-١-٢-پارامترهای هواشناسی جهت انجام این تحقیق از داده های روزانه بارش ، دمای حداکثر و دمای حداقل (برای یافتن دمای متوسط ) ایستگاه سینوپتیک مشهد با طول ٥٩ درجه و ٣٨ دقیقه شـرقی و عـرض جغرافیـایی ٣٦ درجـه و ١٦ دقیقـه شمالی و ارتفاع ٩٩٩ متر از سطح دریا استفاده شده است .
٣-٣- تست گاما به عنوان سومین روش پیش پردازش ورودی های شبکه عصبی و تعیین مؤثرترین شاخص های اقلیمـی بـر روی پارامترهای بارش و دمای متوسط ، تست گاما مورد استفاده قرار گرفته است .
با توضیح فوق و مقادیر ارائه شده در جدول ، برای پارامتر دمای متوسط مشخص می شود که بهترین نتـایج مربوط به شبکه عصبی با پیش پردازش داده های ورودی به روش رگرسیون (بدون محدودیت ورودی ) است ؛ که منجر به بالاترین مقدار ضریب همبستگی و حداقل مقدار آماره های MAE و RMSE شده است .
نتایج ارائه شده ، چه به صورت معادلات و یا شبکه های عصبی در این تحقیق ، می تواند بـه صـورت کـارایی برای پیش بینی مقادیر ماهانه دمای متوسط و بارش ایستگاه مورد استفاده واقع شود.