ANWENDUNG DER TECHNIK DES KÜNSTLICHEN NEURONALEN NETZES

Niederschlag ist ein sehr wichtiger Parameter in hydrologischen Modellen. Viele Techniken und Modelle wurden für die Niederschlagsvorhersage entwickelt. In dieser Studie wird eine Methode zur Niederschlagsvorhersage durch die Entwicklung eines ANN-basierten Modells vorgestellt, das die wichtigsten Wettervariablen wie Trockenkugeltemperatur, Feuchtkugeltemperatur, relative Luftfeuchtigkeit, Pfannenverdunstung und Dampfdruck als Eingaben und die Niederschlagsmenge als Zielausgabe verwendet. Im Rahmen der Entwicklung des ANN-Modells wurde der Datensatz von 11956 Daten im Untersuchungsgebiet in zwei Teile aufgeteilt, wobei 70 % des gesamten Datensatzes als Trainingsdaten und die restlichen 30 % als Test- und Validierungsdaten verwendet wurden. Das vorgeschlagene Modell war in der Lage, Werte mit geeigneten Ergebnissen vorherzusagen. Zur Bewertung der Ergebnisse und der Fähigkeit der entwickelten Prognosemodelle wurden geeignete statistische Indizes wie das Bestimmtheitsmaß (R2), der mittlere quadratische Fehler (RMSE), der mittlere quadratische Fehler (MSE), die Nash-Sutcliffe-Effizienz (EF), die Akaike-Informationskriterien (AIC) und die Bayes'schen Informationskriterien (BIC) verwendet. Die Ergebnisse dieser Analyse zeigten, dass das ANN-Modell 5-5-3-1 auf der Grundlage der statistischen Indizes zufriedenstellende Ergebnisse liefert.