Kurzfristige Niederschlagsvorhersage mit ANNs und ANFIS-Modellen

Die Niederschlagsvorhersage ist nach wie vor ein u erst wichtiges Thema in der Hydrologie. Andererseits ist der Niederschlag einer der kompliziertesten effektiven hydrologischen Prozesse bei der Abflussvorhersage. In der vorliegenden Studie wurde ein Versuch unternommen, k nstliche neuronale Netze (ANN) und adaptive Neuro-Fuzzy-Inferenzsysteme (ANFIS) f r die Vorhersage der t glichen Niederschl ge f r die Monsunzeit in Junagadh, Gujarat, Indien, zu entwickeln. Die Daten des Zeitraums (1. Juni bis 30. Oktober) der Jahre 1979-1981, 1984-1989 und 1991-2007 wurden zum Trainieren der Modelle und die Daten der Jahre 2008-2011 zum Testen der Modelle verwendet. Die Sensitivit tsanalyse wurde verwendet, um den wichtigsten Parameter f r die Niederschlagsvorhersage zu ermitteln. Im ANN-Modell wurden der Backpropagation-Algorithmus und die Sigmoid-Aktivierungsfunktion zum Trainieren und Testen der Modelle verwendet, w hrend in den ANFIS-Modellen die Gau - und die verallgemeinerte Glockenzugeh rigkeitsfunktion verwendet wurden. Die Studie ergab, dass die Leistung des ANN-Modells mit zwei versteckten Schichten und vier Eingangsparametern besser ist als die des ANFIS-Modells. Die Sensitivit tsanalyse ergab, dass der wichtigste Eingangsparameter neben dem Niederschlag selbst der Dampfdruck bei der Niederschlagsvorhersage ist.