Прогнозирование осадков по-прежнему остается чрезвычайно важной проблемой в гидрологии. С другой стороны, осадки являются одним из наиболее сложных эффективных гидрологических процессов при прогнозировании стока.

В настоящем исследовании предпринята попытка разработать модели искусственных нейронных сетей (ИНС) и адаптивной нейро-нечеткой системы вывода (ANFIS) для прогнозирования ежедневных осадков для муссонного периода в Джунагадхе, штат Гуджарат, Индия. Для обучения моделей использовались данные за период (с 1 июня по 30 октября) 1979-1981, 1984-1989 и 1991-2007 годов, а для тестирования моделей - данные за 2008-2011 годы.

Анализ чувствительности был использован для определения наиболее важного параметра для прогнозирования осадков. В модели ANN для обучения и тестирования моделей использовался алгоритм обратного распространения и сигмоидальная функция активации, а в модели ANFIS - гауссова и обобщенная колоколообразная функции членства.

В результате исследования было установлено, что производительность модели ANN с двойным скрытым слоем и четырьмя входными параметрами выше, чем у модели ANFIS. Анализ чувствительности показал, что наиболее важным входным параметром при прогнозировании осадков, помимо самих осадков, является давление пара.

. .