سعید آزادی - دانش آموخته دکتری مهندسی منابع آب، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
مریم وفایی - دانش آموخته دکتری مهندسی منابع آب، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
حامد نوذری - دانشیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران

بارندگی یکی از اجزای اساسی چرخه آب می باشد و به عنوان یکی از مهمترین مولفه های ورودی چرخه هیدورلوژیکی به شمار می رود. در تحقیق حاضر دقت الگوریتم هیبریدی شبیه سازی تبرید بر پایه ماشین بردار پشتیبان (SVM-SA) در شبیه سازی تغییرات بارندگی مورد ارزیابی قرار گرفت. به منظور واسنجی و صحت سنجی نتایج از آمار و اطلاعات بارندگی ایستگاه سینوپتیک گرگان طی دوره ۴۰ ساله ۱۹۷۱ تا ۲۰۱۰ استفاده شد. در روند تحقیق ابتدا پارامتر های هواشناسی موثر بر مقدار بارندگی تعیین شد. سپس به منظور انتخاب پارامتر های ورودی به الگوریتم مورد نظر، با استفاده از نرم افزار SPSS مقدار ضریب همبستگی پیرسون بین پارامتر های هواشناسی در سطح معنی داری ۹۹ اعمال گردید. نتایج ضریب همبستگی پیرسون نشان داد که از هشت پارامتر مورد نظر، پارامتر های ابرناکی، میانگین دمای حداکثر، فشار بخار آب، رطوبت نسبی حداکثر و نقطه شبنم بیشترین همبستگی معنی دار در سطح ۹۹ درصد را با بارندگی دارند. بنابراین به عنوان پارامتر های ورودی برای پیش بینی پارامتر بارندگی در الگوریتم SVM-SA در نظر گرفته شد. بر اساس نتایج، با استفاده از ۵ پارامتر هواشناسی مذکور، مقدار شاخص های RMSE، SE و R۲ در بخش آموزش به ترتیب برابر با ۶.۰۲ میلی متر، ۰.۰۱ و ۰.۹۹۹ و در بخش آزمون مقدار این شاخص ها به ترتیب ۱۸.۷۲ میلی متر، ۰.۰۳ و ۰.۹۲۵ محاسبه گردید. نتایج نشان داد که روش ترکیبی SVM-SA می تواند در شبیه سازی تغییرات بارندگی در منطقه مورد مطالعه از دقت بالایی برخوردار باشد و این مدل را به عنوان الگوریتم هیبریدی جدید در حوزه علوم مهندسی می توان معرفی کرد.

بارش, شبیه سازی, ماشین بردار پشتیبان, هوش مصنوعی, هیبریدی شبیه سازی تبرید