پیش بینی درازمدت بارش با استفاده از خوشه بندی سیگنال های هواشناسی با توجه به تغییرات بارش به روش K_Means اصلاح شده مطالعه ی موردی: پیش بینی بارندگی استان سیستان و بلوچستان

مطالعه ی تغییرات اقلیمی و شناسایی متغیرهای مختلف آب و هوایی (ازجمله بارش) کمک شایانی به پیش بینی این گونه متغیرها می کند. بیان ارتباط سیگنال های بزرگ مقیاس اقلیمی مثل دمای سطح دریا (SST) و متغیرهای مهم هیدرولوژیکی مثل بارندگی ازجمله تحقیقات صورت گرفته در سال های اخیر است. در این نوشتار روشی نوین با عنوان K_Meansاصلاح شده برای خوشه بندی ارائه شده است. برای بررسی کارایی مدل پیشنهادی از مطالعه ی موردی بر روی استان سیستان و بلوچستان، واقع در منطقه ی جنوب شرق ایران، استفاده شده است. در این مطالعه از اطلاعات بارش ۲۰ ایستگاه مختلف این استان استفاده شده است و خوشه بندی سیگنال هواشناسی SST در مناطق جغرافیایی منتخب در دریای عمان، دریای عرب و اقیانوس هند با توجه به تغییرات بارش این ایستگاه ها صورت گرفته است. استفاده از روش K_Means اصلاح شده برای خوشه بندی سیگنال های هواشناسی و ارائه ی الگوریتمی پویا برای بیان ارتباط بارش منطقه مورد مطالعه در زمان های مختلف با الگوهای خوشه بندی زمان مکان از نوآوری های این تحقیق محسوب می شود.

Keywords:

خوشه بندی , سیگنال های هواشناسی , K_Means اصلاح شده , خوشه بندی ژنتیک , دمای سطح دریا SST