Die Niederschlagsvorhersage ist nach wie vor ein äußerst wichtiges Thema in der Hydrologie. Andererseits ist der Niederschlag einer der kompliziertesten effektiven hydrologischen Prozesse bei der Abflussvorhersage.

In der vorliegenden Studie wurde ein Versuch unternommen, künstliche neuronale Netze (ANN) und adaptive Neuro-Fuzzy-Inferenzsysteme (ANFIS) für die Vorhersage der täglichen Niederschläge für die Monsunzeit in Junagadh, Gujarat, Indien, zu entwickeln. Die Daten des Zeitraums (1.

Juni bis 30. Oktober) der Jahre 1979-1981, 1984-1989 und 1991-2007 wurden zum Trainieren der Modelle und die Daten der Jahre 2008-2011 zum Testen der Modelle verwendet.

Die Sensitivitätsanalyse wurde verwendet, um den wichtigsten Parameter für die Niederschlagsvorhersage zu ermitteln. Im ANN-Modell wurden der Backpropagation-Algorithmus und die Sigmoid-Aktivierungsfunktion zum Trainieren und Testen der Modelle verwendet, während in den ANFIS-Modellen die Gauß- und die verallgemeinerte Glockenzugehörigkeitsfunktion verwendet wurden.

Die Studie ergab, dass die Leistung des ANN-Modells mit zwei versteckten Schichten und vier Eingangsparametern besser ist als die des ANFIS-Modells. Die Sensitivitätsanalyse ergab, dass der wichtigste Eingangsparameter neben dem Niederschlag selbst der Dampfdruck bei der Niederschlagsvorhersage ist.

. .