TY - JOUR T1 - Spatial Zoning of Iran's Annual Rainfall using ANFIS-FCM Artificial-Fuzzy Neural Model TT - پهنه‌بندی فضایی بارش سالانۀ ایران با استفاده از مدل عصبی مصنوعی - فازی ANFIS-FCM JF - JSTNAR JO - JSTNAR VL - 26 IS - 4 UR - http://jstnar.iut.ac.ir/article-1-4220-fa.html Y1 - 2023 SP - 49 EP - 63 KW - Neural network KW - Fuzzy logic KW - Membership function KW - Clustering KW - Precipitation KW - Iran. N2 - بارش یکی از مهم‌ترین فراسنج‌های آب و هوایی است که چگونگی پراکنش و مقادیر آن در نواحی مختلف، برایند روابط پیچیدۀ خطی و غیرخطی بین عناصر جوی – فرایندهای اقلیمی و ساختار فضایی محیط سطح زمین است. طبقه‌بندی داده‌ها و قرارگیری آنها در پهنه‌های کوچک و متجانس می‌تواند در بهبود درک این روابط پیچیده و نتایج حاصل از آنها مؤثر باشد. در پژوهش حاضر با استفاده از داده‌های بارش سالانۀ 3423 ایستگاه همدیدی، اقلیم‌شناسی و باران‌سنجی ایران در دورۀ 1961 – 2015 و داده‌های ارتفاع، شیب، جهت شیب و تراکم ایستگاهی تلاش شد تا چگونگی پراکنش بارش کشور در ارتباط با عوامل محیطی پهنه‌بندی شده و مورد تحلیل قرار گیرد. بدین ‌منظور بعد از استاندارد‌سازی و آماده‌سازی ماتریس داده‌ها، تعداد بهینۀ خوشه‌ها مشخص و مجموعۀ داده‌ها به مدل شبکه عصبی– فازی (ANFIS-FCM) وارد شد. بررسی نتایج نشان داد که مقادیر شاخص‌های و MAE به‌ترتیب 0/76 و 0/23 بوده که حاکی از دقت مناسب مدل است. همچنین مشخص شد در پهنه‌های چهارگانۀ خروجی مدل، عوامل محیطی از اثرگذاری بالایی در پراکنش فضایی فراسنج بارش برخوردار هستند. در پهنه‌‌های اول و سوم، ترکیب عوامل ارتفاع و شیب زیاد به‌همراه مجاورت جغرافیایی با سامانه‌های بارشی، موجب شده متوسط مقدار بارش سالانه در این پهنه‌ها به‌ترتیب 318 و 181 میلی‌متر باشد؛ در‌حالی که با تضعیف نقش عوامل محیطی در خوشه‌های دوم و چهارم، متوسط بارش سالانه به حدود 100 میلی‌متر کاهش یافته است. M3 10.47176/jwss.26.4.37213 ER -