ارزیابی راهبرد ترکیب مدل ها در افزایش دقت پیش بینی بارش پاییزه

پیش بینی بارش پاییزه در برنامه ریزی ھای کشاورزی به ویژه امکان سنجی کشت دیم از اھمیت ویژه ای برخوردار است. در مطالعه حاضر، برای افزایش دقت پیش بینی بارش پاییزه از تکنیک ترکیب مدل ھا استفاده شده است. به این منظور، بر اساس دو شاخص اقلیمی SOI و NINO 3.4 به عنوان متغیرھای پیش بینی کننده، پنج مدل شبکه عصبی مصنوعی، شبکه عصبی رگرسیون تعمیم یافته، رگرسیون بردار پشتیبان، K نزدیک ترین ھمسایگی و رگرسیون خطی با ساختار بھینه به عنوان مدل ھای منفرد پیش بینی کننده بارش اجرا شده اند. برای ترکیب مدل ھای مذکور از راھبرد وزن دھی رتبه بندی شده به مدل ھا (OWA) استفاده شده که در آن، برای تعیین وزن مدل ھا، دو روش Orness و Orlike مورد استفاده و ارزیابی قرار گرفتند. نتایج پیش بینی بارش در زیرحوضه سیمره از حوضه کرخه نشان می دھد که بارش پیش بینی شده با استفاده از راھبرد ترکیب مدل ھا از دقت بیش تری نسبت به مدل ھای منفرد برخوردار است و روش Orlike در مقایسه با روش Orness، دقت پیش بینی ھا را بیشتر افزایش می دھد. ھمچنین، مقایسه نتایج روش ھای راھبرد OWA با دو راھبرد ترکیب مدل ھا با شبکه عصبی مصنوعی و راھبرد انتخاب بھترین مدل منفرد نشان می دھد که قابلیت ھر دو روش Orness و Orlike برای بھبود دقت پیش بینی بارش، بیش از راھبرد ھای شبکه عصبی و بھترین مدل منفرد است.

Keywords:

ترکیب مدل ھا , وزن دھی رتبه بندی شده , NINO3.4 , SOI , Orlike , Orness