fa ارزیابی روش‌های خوشه‌بندی فازی و شبکه عصبی مصنوعی در پهنه‌بندی فضایی بارش سالانۀ ایران عمومی Ggeneral پژوهشي Research <div style="text-align: justify;">بارش یکی از عناصر اصلی چرخۀ هیدرواقلیمی کرۀ زمین است که چگونگی تغییرپذیری آن تابع روابط پیچیده و غیرخطی بین سامانۀ اقلیم و عوامل محیطی است. شناخت این روابط و انجام برنامه‌ریزی‌های محیطی بر مبنای آنها در حالت عادی امری دشوار بوده و در نتیجه طبقه‌بندی داده‌ها و تقسیم اطلاعات به دسته‌های متجانس و کوچک می‌تواند در این زمینه کمک‌کننده باشد. در پژوهش حاضر تلاش شد تا داده‌های بارش، ارتفاع‌، شیب‌، جهت دامنه‌ها و تراکم ایستگاهی برای 3423 ایستگاه همدید، اقلیم‌شناسی و باران‌سنجی ایران در دوره ی 1961-2015 به مدل‌های فازی (FCM) و شبکه عصبی خودسازمانده (SOM-ANN) وارد و ضمن انجام پهنه‌بندی بارشی&ndash; محیطی، خروجی‌های دو مدل از لحاظ دقت و کارایی مورد مقایسه قرار گیرد. نتایج حاصل از خروجی مدل‌ها، شرایط بارشی ایران را در ارتباط با عوامل محیطی به چهار پهنه تقسیم‌بندی کرده است. همچنین، بررسی شاخص‌های ارزیابی نشان داد هر دو مدل از دقت بالایی در امر طبقه‌بندی فراسنج بارش برخوردار هستند؛ با این حال مدل فازی از لحاظ دقت نتایج برتری نسبی به مدل شبکۀ عصبی دارد.</div> <div style="text-align: justify;"></div> <div style="text-align: justify;"><span style="font-size:12.0pt"><span new="" roman="" style="font-family:" times="">Precipitation is one of the main elements of the Earth&#39;s hydro-climatic cycle and its variability depends on the complex and non-linear relationships between the climate system and environmental factors. Understanding these relationships and doing environmental planning based on them is difficult. Therefore, classifying data and dividing information into homogeneous and small categories can be helpful in this regard. In the present study, an attempt was made to prepare precipitation, altitude, slope, slope direction, and station density data for 3423 synoptic, climatological, and gauge stations in Iran in the 1961-2015 years&rsquo; period. These data were entered into fuzzy (FCM), self-organizing map neural network (SOM-ANN) models and precipitation-spatial zoning. The outputs of the two models were compared in terms of accuracy and efficiency. The results obtained from the output of the models have divided the rainfall conditions of Iran into four zones concerning environmental factors. Evaluations also showed that both models had high accuracy in classifying precipitation parameters; However, the fuzzy model has a relative advantage over the neural network model in the accuracy of results.</span></span><span dir="RTL"></span></div> شبکه عصبی خودسازمانده, مدل فازی, پهنه‌بندی, بارش, ایران Self-organizing map neural network, Fuzzy model, Zoning, Precipitation, Iran 17 32 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-3721-4&slc_lang=fa&sid=1 A. Shahbaee Kotenaee علی شاهبایی کوتنایی shahbai2008@yahoo.com Yes Zanjan University دانشگاه زنجان H. Asakereh حسین عساکره asakereh1@yahoo.com No Zanjan University دانشگاه زنجان