پيش بيني بارش و برآورد نزولات جوي، به عنوان يکي از مهمترين پارامترهاي اقليمي در حوزه مديريت منابع آبي، از اهميت ويژه اي در تعيين سياستهاي آينده جهت بهينه سازي صرف هزينه ها و استفاده از اين منابع برخوردار است.
يکي از روش هاي مدل سازي رفتار بارش، شبکه هاي عصبي مصنوعي است که از مولفه هاي هوش مصنوعي محسوب مي شود. در اين گونه مدل ها بدون در نظر گرفتن معادلات پيچيده غير خطي، مي توان ديناميک حاکم بر سيستم را استخراج نموده و از اين طريق، خروجي هاي مدل را پيش بيني نمود.
در اين تحقيق، با استفاده از اطلاعات بارش ميانگين ماهيانه، به عنوان ورودي هاي شبکه عصبي پرسپترون پيشخور چند لايه (MLP)، در يک مدل جعبه سياه، پيش بيني ماهيانه بارش در ايستگاه سينوپتيک مشهد، انجام گرفته است. بدين منظور، از امکانات و توابع موجود در محيط برنامه نويسي نرم افزار MATLAB، بهره گرفته شد. پس از بررسي معيارهاي آماري برازش، از جمله ضرايب روابط رگرسيوني بين مقادير واقعي و پيش بيني شده بارش و همچنين ميانگين مجذور مربعات خطا، مشاهده شد که پيش بيني ماهيانه بارش، با دقت قابل قبولي انجام شده است. چنان ميانگين مجذور مربعات خطا، به ترتيب 0.92 و 1.00 ميلي متر به دست آمده است.