خلیل قربانی

طی سال های اخیر روش های زیادی برای ریزمقیاس نمایی متغیرهای هواشناسی از داده های بزرگ مقیاس مدل های گردش های عمومی جو ارائه شده است. در این پژوهش کارایی سه روش ماشین بردار پشتیبان (SVM)‎، درخت تصمیم (M۵) و نزدیکترین k-همسایگی (KNN)‎ از مدل های داده کاوی در ریزمقیاس نمایی بارش، به کمک پارامترهای خروجی مدل گردش عمومی جو NCEP در ایستگاه کرمانشاه بررسی شد. در دوره آماری ۱۹۹۱-۱۹۶۱ بارش روزانه ایستگاه کرمانشاه و پارامترهای خروجی NCEP مدل سازی شد و نتایج آن ها برای دوره آماری ۲۰۰۱-۱۹۹۲ آزمایش شد. نتایج این بررسی نشان داد که بارش شبیه سازی شده با هر یک از مدل های داده کاوی، دارای میانگین و انحراف معیار کمتری نسبت به داده های مشاهداتی هستند و مقادیر حدی را نمی توانند به خوبی پیش بینی کنند. با این وجود روش نزدیک ترین همسایگی نسبت به دیگر روش ها نتایج بهتری را ارائه کرد.

درخت تصمیم, ریزمقیاس نمایی, ماشین بردار پشتیبان, مدل گردش عمومی, نزدیک ترین k, همسایگی