حامد نوذری - water engineering and science Department
فاطمه توکلی - water engineering and science Department

در این پژوهش به منظور پیش بینی مقادیر ماهانه بارش از مدل های ماشین بردار پشتیبان (SVM)، ماشین بردار پشتیبان تلفیق شده با تبدیل موجک (W-SVM)،ARMAX  و ARIMA استفاده گردید.  لذا از سری زمانی ماهانه ایستگاه های باران سنجی واقع در استان همدان طی یک دوره ۲۵ ساله (۱۳۷۰-۱۳۹۴) استفاده شد.  این دوره ۲۵ ساله به ۱۷ سال  برای آموزش، ۴ سال برای واسنجی و ۴ سال برای صحت سنجی مدل تقسیم شد. مقایسه آماری نتایج به کمک شاخص های ضریب همبستگی (r)، جذر میانگین مربعات خطا (RMSE) و خطای استاندارد (SE) صورت گرفت. نتایج نشان داد که به ترتیب مدل های ARIMA، ماشین بردار پشتیبان، ARMAX و ماشین بردار پشتیبان تلفیق شده با تبدیل موجک در رتبه های اول تا چهارم قرار دارند. همچنین مدل ماشین بردار پشتیبان دارای پارامترهای قابل تنظیم کمتری نسبت به مدل های دیگر می باشد. لذا این مدل با سهولت بیشتر و در زمان کمتری قادر به پیش بینی بارش بوده و از این نظر نسبت به سایر روش ها ارجحیت دارد.

ARIMA, ARMAX, Precipitation, Prediction, Support Vector Machine, Wavelet, ARIMA, ARMAX, بارش, پیش بینی, ماشین بردار پشتیبان, موجک