Previsione delle precipitazioni a breve termine con modelli ANNs e ANFIS

La previsione delle precipitazioni rappresenta ancora un problema estremamente importante in idrologia. D'altra parte le precipitazioni sono uno dei processi idrologici più complicati nella previsione del deflusso. Nel presente studio si è cercato di sviluppare modelli di reti neurali artificiali (ANN) e di sistemi di inferenza neuro-fuzzy adattivi (ANFIS) per la previsione delle precipitazioni giornaliere nel periodo monsonico di Junagadh Gujarat India. I dati del periodo (1 giugno-30 ottobre) degli anni 1979-1981 1984-1989 e 1991-2007 sono stati utilizzati per addestrare i modelli e i dati degli anni 2008-2011 sono stati utilizzati per testare i modelli. L'analisi di sensibilità è stata utilizzata per identificare il parametro più importante per la previsione delle precipitazioni. Nel modello ANN l'algoritmo di back-propagation e la funzione di attivazione sigmoide sono stati utilizzati per addestrare e testare i modelli mentre nei modelli ANFIS sono state utilizzate le funzioni di appartenenza gaussiana e a campana generalizzata. Dallo studio è emerso che le prestazioni del modello ANN a doppio strato nascosto con quattro parametri di ingresso sono migliori rispetto al modello ANFIS. L'analisi di sensibilità ha indicato che il parametro di input più importante oltre alle precipitazioni stesse è la pressione di vapore nella previsione delle precipitazioni.