fa عملکرد مدل های AR4 و ATR در شبیه سازی پارامتر های اقلیمی با شبکه عصبی مصنوعی مطالعه موردی: حوزه آبخیز سزار تخصصي Special پژوهشي Research <blockquote></blockquote> <div align="justify" style="direction: rtl;">در پژوهش حاضر عملکرد 6 مدل گردش عمومی جو به نام های HADCM3، CGCM3، CSIROMK3 (از مجموعه مدل های AR4) و CGCM1، GFDL30، NCARPCM (از مجموعه مدل های ATR) در شبیه سازی پارامتر های اقلیمی دمای میانگین و بارش حوزه سزار با استفاده از شبکه عصبی مصنوعی (ANN) مورد ارزیابی قرار گرفتند. برای آموزش شبکه عصبی مصنوعی از مدل پرسپترون forward استفاده شد. مطابق با ارزیابی عملکرد مدل ها با استفاده از ضرایب حداکثر خطای مطلق ، میانگین قدر مطلق خطا ، جذر میانگین مربعات و ضریب تبیین، در بین دو مجموعه مدل AR4 و ATR، به طور میانگین مدل های AR4 عملکرد بهتری نسبت به مدل های ATR دارند و این مدل ها عدم قطعیت کمتری در شبیه سازی پارامتر های اقلیمی دمای میانگین و بارش برای حوزه سزار در دوره 2000-1996 دارند. در بین 6 مدل ذکر شده ، مدل CGCM3 بهترین عملکرد را در شبیه سازی پارامتر های اقلیمی برای حوزه سزار دارد. این مدل همراه با HADCM3 کمترین اختلاف را با پارامتر های اقلیمی مشاهداتی دارند. همچنین نتایج نشان داد که مدل CSIROMK3.0 و CGCM1 بیشترین اختلاف را با پارامتر های اقلیمی مشاهداتی دارند.</div> <div align="left" style="direction: ltr;">In the present study, performance of 6 Atmospheric general circulation models as: CGCM3, HADCM3, CSIROMK3 (collection of AR4 models) and CGCM1, GFDL30, NCARPCM (from the collection of model ATR) for simulation of climatic parameters includes average temperature and precipitation using artificial neural network (ANN) in Caesar basin were evaluated. For training of artificial neural network model was used perceptron forward method. According to performance evaluation of these models using maximum absolute error, mean absolute error, root-mean-square error and Russell Square Quality Representatives of the model, among AR4 and ATR models, AR4 models had better performance than ATR models and less uncertainty in simulating of climatic parameters (rainfall and average temperatures) in Caesar basin at 1996-2000. Between these 6 models, CGCM3 is the best performance in the simulation of climatic parameters for Caesar basin. CGCM3 and HADCM3 models have the lowest differences with observed climate parameters. Also, the results showed that CSIROMK 3.0 and CGCM1 models have the most differences with observed climate parameters</div> عدم قطعیت, شبکه عصبی مصنوعی, مدل پرسپترون, AR4 و ATR uncertainty, artificial neural network, model perceptron, the AR4 and ATR 1 9 http://jwmsei.ir/browse.php?a_code=A-10-426-1&slc_lang=fa&sid=1 mohammad ghadami dehno محمد قدمی دهنو m.ghadami68@gmail.com 10031947532846009733 10031947532846009733 Yes Isfahan University of Technology دانشگاه صنعتی اصفهان Massoud Goodarzi مسعود گودرزی 10031947532846009734 10031947532846009734 No SCWMRI پژوهشکده حفاظت خاک و آبخیزداری کشور Saeed Soltani سعید سلطانی ssoltani@cc.iut.ac.ir 10031947532846009735 10031947532846009735 No Isfahan University of Technology دانشگاه صنعتی اصفهان sohrab naderi سهراب نادری sohrabnd@yahoo.com 10031947532846009736 10031947532846009736 No Isfahan University of Technology دانشگاه صنعتی اصفهان vahid kakapor وحید کاکاپور v.kakapor@gmail.com 10031947532846009737 10031947532846009737 No Isfahan University of Technology دانشگاه صنعتی اصفهان