أداء خوارزميات التعلم العميق للتنبؤ ببيانات هطول الأمطار الشهرية في منطقة راجشاهي، بنغلاديش

يعتمد التطور الاقتصادي في بنغلاديش بشكل كبير على إنتاج الزراعة، ويعتبر هطول الأمطار من أبرز العوامل المؤثرة. هناك العديد من المتغيرات، بما في ذلك درجة الحرارة، الرطوبة النسبية، اتجاه الرياح، سرعة الرياح، وتغطية السحب، تؤثر على احتمالية هطول الأمطار. حاليًا، هناك نقص في القدرة على التنبؤ بهطول الأمطار بدقة وموثوقية، وهو ما سيكون مفيدًا في مجموعة متنوعة من الصناعات، بما في ذلك توقع الفيضانات، والحفاظ على المياه، والزراعة. مؤخرًا، أظهرت خوارزميات التعلم الآلي أداءً أفضل للتنبؤ بالمتغيرات المناخية مقارنة بالنماذج التقليدية. استخدام خوارزميات التعلم العميق لتوقع هطول الأمطار هو أسلوب مبتكر يستفيد من الأساليب الحاسوبية المتطورة لفحص الأنماط المعقدة في البيانات المناخية. لذا، في هذه الورقة، نقارن أداء التنبؤ لخوارزميات التعلم العميق وخوارزميات التعلم الآلي في حالة منطقة راجشاهي في بنغلاديش. تم اعتبار البيانات التاريخية من يناير 1964 إلى ديسمبر 2017 للدراسة. تشير النتائج التجريبية إلى أن خوارزمية التعلم العميق MLP هي الأكثر ملاءمة لتوقع بيانات هطول الأمطار الشهرية في هذه المنطقة الدراسية. IJSS، المجلد 25(1)، مارس 2025، الصفحات 39-54