مقایسه الگوسازی بارندگی ماهانه با مدل های SVM و ANFIS مطالعه موردی: شهرگنبدکاووس

بارش یکی از مهم ترین عوامل مورد استفاده در مطالعات منابع طبیعی، آب، هواشناسی و غیره است. تشخیص پیش بینی پذیری و شناخت عوامل تاثیرگذار بر فرآیند بارش با توجه به نوسان ها و بینظمی های موجود در سری زمانی بارش اهمیت دارد . این تحقیق با روش های سامانه استنتاج فازی- عصبی تطبیقی ANFIS و ماشین بردار پشتیبان SVM بارش ماهانه شهر گنبدکاووس را الگوسازی کرده است . داده های مورد استفاده مربوط به سال های 2012-1995 است. 2 سری ورودی (ماهانه) شامل: 1- میانگین دما و رطوبت، سرعت باد و فشار 2- مقادیر متوسط بارش ماهانه ایستگاه های آبسنجی استان گلستان در نظر گرفته شد. نتایج نشان داد اگرچه دقت SVM بیشتر از ANFIS است، اما پیش هواشناسی توسط هر دو مدل دارای دقت کمی است. نتایج پیش بینی بارش با بارندگی ایستگاه های منطقه برای هر دو روش قابل قبول است . ضریب بینی بارندگی با پارامترهای تعیین و خطای RMSE در مرحله آزمون در روش SVM به ترتیب برابر 0/91 و 5/59 و در روش ANFIS برابر 0/87 و 7/06 است. تحلیل حساسیت نشان داد که رطوبت نسبی مهم ترین متغیرهواشناسی در پیش بینی بارندگی است. سه متغیردیگر تاثیر یکسانی بر نتایج دارند. همچنین موثرترین ایستگاه در پیشبینی بارندگی تعیین شد. این پژوهش نشان داد که SVM عملکرد بهتری نسبت به ANFIS در پیش بینی بارندگی داشته است.

Keywords:

ایستگاه های بارندگی , پارامترهای هواشناسی , تحلیل حساسیت , هوش مصنوعی