پیش بینی بارش ماهانه با استفاده از مدل های برنامه ریزی ژنتیک و ماشین بردار پشتیبان

برآورد و پیش­­بینی بارش و دستیابی به مقدار رواناب ناشی از آن، نقش اساسی و موثری را در مدیریت و بهره­برداری صحیح از حوضه، مدیریت سدها و مخازن، به حداقل رساندن خسارات ناشی از سیلاب و خشکسالی و مدیریت منابع آب ایفا می­کند. عملکرد مطلوب مدل­ های هوشمند باعث افزایش استفاده از آن­ها برای پیش­بینی پدیده ­های مختلف هیدرولوژیکی شده است. لذا در این پژوهش، دو مدل هوشمند برنامه­ریزی ژنتیک و ماشین بردار پشتیبان برای پیش­بینی بارش ماهانه استان اردبیل به ­کار گرفته شده و از داده­ های بارش، دما و رطوبت نسبی در مقیاس ماهانه به ­عنوان پارامترهای ورودی مدل­ ها استفاده شد. نتایج به­دست آمده نشان داد که عملکرد هر دو مدل خوب و تقریبا یکسان بوده (میانگین خطای مطلق به ترتیب ۰.۸ و ۰.۷۲۱) ولی با توجه به ارزیابی­ های انجام شده مدل رگرسیون بردار پشتیبان عملکرد نسبتا بهتری داشته است (ضریب همبستگی۰.۹۹۹). به طورکلی می ­توان گفت که مدل رگرسیون بردار پشتیبان برای مدل­سازی و پیش­بینی بارش ماهانه استان اردبیل مناسب ­تر بوده است.

Keywords:

Monthly rainfall , Genetic programming , Fitting function , Correlation coefficient , Support vector machine. , بارش ماهانه , برنامه ریزی ژنتیک , تابع برازش , ضریب همبستگی , ماشین بردار پشتیبان.