پیشبینی مقادیر بارش ماهانه با استفاده از شبکههای عصبی مصنوعی و مدل درختی M5 (مطالعۀ موردی: ایستگاه اهر)
نویسندگان
1 استادیار گروه مهندسی آب، دانشکدۀ کشاورزی، دانشگاه تبریز
2 دانشجوی کارشناسی ارشد عمران آب، دانشگاه آزاد اسلامی، واحد مراغه
3 دانشجوی کارشناسی ارشد سازههای آبی، دانشکدۀ کشاورزی، دانشگاه تبریز
doi
10.22059/jphgr.2014.51428چکیده
بارش یکی از مهمترین اجزای چرخۀ آب است و در سنجش خصوصیات اقلیمی هر منطقه، نقش بسیار مهمی ایفا میکند. تخمین مقادیر بارش ماهانه برای اهداف مختلفی چون، برآورد سیلاب، خشکسالی، برنامهریزی آبیاری و مدیریت حوضههای آبریز، اهمیت زیادی دارد. پیشبینی بارش در هر منطقهای نیازمند وجود دادههای دقیق اندازهگیریشدهای مانند، رطوبت، دما، فشار، سرعت باد و غیره است. محدودیتهایی چون، نبود اطلاعات کافی در مورد مقدار بارش در مقیاسهای زمانی و مکانی و همچنین پیچیدگی روابط بین پارامترهای هواشناسی مرتبط با بارش، موجب میشود محاسبۀ این پارامتر با استفاده از روشهای معمول بهطور دقیق انجام نگیرد. در این پژوهش، ابتدا سناریوهای مختلفی از ترکیب پارامترهای هواشناسی در مقیاس ماهانه برای منطقۀ اهر در استان آذربایجان شرقی، بهمنزلۀ ورودی شبکههای عصبی مصنوعی و مدل درختی 5M تعریف شد و سپس با در نظر گرفتن دو آمارۀ R و RMSE بهترین سناریو برای هر یک از این دو مدل انتخاب شد. یافتهها نشان داد که هر دو روش نتایج نسبتاً دقیقی را برای پیشبینی ماهانۀ منطقه ارائه میکنند، ولی از آنجاکه مدل درختی 5M روابط خطی سادهای در اختیار کاربر میگذارد، این روش کاربردیتر است.
