مدل سازی بارش روزانه تبریز با روش های درختی ادغام شده با تجزیه فصلی-روند و رویکرد دسته بندی

بارش به عنوان یک متغیر تصادفی با داشتن تغییرات مکانی و زمانی یکی از عناصر پیچیده در چرخه هیدرولوژی است. هدف پژوهش حاضر برآورد میزان بارش روزانه تبریز در بازه زمانی ۳۶ ساله (۱۹۸۶-۲۰۲۱) با استفاده از گروه روش های درختی شامل، مدل درختی M۵P، درخت تصادفی، کاهش خطای هرس درخت و روش دسته بندی است. بدین منظور از مقادیر بارش ایستگاه های حوضه دریاچه ارومیه از جمله سهند، سراب، ارومیه، مراغه و مهاباد در ترکیب های ورودی مختلف استفاده شد. ماتریس همبستگی و الگوریتم رلیف مبنای انتخاب سناریوهای ورودی در نظر گرفته شد و تاثیر مولفه های تجزیه فصلی-روند در بهبود نتایج مدل سازی بررسی شد. عملکرد روش های مذکور با معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا، ضریب نش ساتکلیف، میانگین خطای قدر مطلق و ضریب ویلموت اصلاح شده مورد ارزیابی قرار گرفت. بررسی نتایج نشان داد رویکرد دسته بندی در اکثر موارد نتایج قابل قبولی ارائه نموده و باعث بهبود نتایج مدل سازی می گردد. بررسی ها مشخص نمود که ایستگاه سهند با بیشترین همبستگی و کمترین فاصله از تبریز، موثرترین ایستگاه مجاور در برآورد میزان بارش تبریز می باشد. در حالت اول و بدون اعمال مولفه های تجزیه (روند، فصلی و باقیمانده) در بین روش های مورد استفاده روش M۵P با سناریو اول شامل بارش سهند به عنوان روش و سناریو برتر انتخاب شد. در حالت دوم با وارد شدن مولفه های تجزیه، دقت تخمین ها به صورت چشم­گیری افزایش یافت. ادغام روش دسته بندی با الگوریتم پایه M۵P با پارامترهای بارش سهند و باقیمانده بارش تبریز با R=۰.۹۸ و NS=۰.۹۵ به عنوان برترین حالت انتخاب گردید. در حالت کلی نتایج نشان داد، بهره گیری توام از رویکرد دسته بندی مدل ها و الگوریتم پیش پردازش مولفه های تجزیه باعث بهبود نتایج مدل سازی بارش روزانه تبریز می شود. به طوریکه مقدار خطای RMSE نسبت به حالت اول ۶۴/۶۰  درصد کاهش یافت. بنابراین به علت استفاده از حداقل تعداد پارامتر ورودی و ارائه نتایج قابل قبول، مدل های دسته بندی با الگوریتم پایه درختی به عنوان روش های ساده و پرکاربرد پیشنهاد می­گردد.

Keywords:

تجزیه , حوضه دریاچه ارومیه , رویکرد دسته بندی , مدل های درختی , ویلموت اصلاح شده