پیش بینی وقوع بارش روزانه با استفاده از داده های هواشناسی روزهای قبل (مطالعه موردی: شهر اصفهان)

هدف از این تحقیق، پیش­بینی وقوع بارش روزانه شهر اصفهان با استفاده از داده­های هواشناسی 1 تا 7 روز قبل می­باشد. برای این منظور،داده­های هواشناسی دوره 2009-2000 با استفاده از مدل­های هوشمند بردار پشتیبان، k-نزدیک­ترین همسایگی، شبکه عصبی مصنوعی و درخت تصمیم بررسیگردید. نتایج نشان داد که در هر چهار روش، دقت پیش­بینی بهترین سناریوها با استفاده از داده­های 6 و 7 روز قبل، کمتر از 75 درصد بود، اما با استفاده از داده­های روزهای 1 تا 5 روز قبل، بارش روزانه با دقت بیش از 80 درصد پیش­بینی شد. عملکرد روش درخت تصمیم بهتر از سه روش دیگر بود و به علت ارائه درخت تصمیم­گیری، نتایج سناریوهای 1 تا 5 روز قبل این روش ارائه شد. نتایج سناریوها با استفاده از داده­های 1 تا 3 روز قبل نشان داد که رطوبت نسبی هوا مناسب­ترین پارامتر برای پیش­بینی وقوع بارش روزانه است، اما در شرایط استفاده از داده­های 4 و 5 روز قبل، دمای هوا مناسب­ترین پارامتر برای انجام پیش­بینی بود. در نهایت عملکرد بهترین سناریوها با استفاده از داده­های دوره 2016-2010 صحت­سنجی گردید. بهترین نتایج در بخش صحت­سنجی به ترتیب مربوط به سناریوی 1 روز قبل(با پارامتر حداقل رطوبت نسبی) و سناریوی 4 روز قبل(با پارامتر دمای حداکثر) بود.

پیش بینی وقوع بارش روزانه با استفاده از داده های هواشناسی روزهای قبل (مطالعه موردی: شهر اصفهان) Keywords:

بارش روزانه , درخت تصمیم , شبکه عصبی , بردار پشتیبان , -نزدیک ترین همسایگی