فهرست نشریات علمی دسترسی آزاد ایران

زمان پیشهشدار و دقت پیش‌بینی‌های بارندگی اثر قابل ملاحظه‌ای بر سیستم‌های پیش‌بینی و هشدار سیلاب دارند. کاربرد پیش‌بینی‌های همادی بارندگی مستخرج از مدل‌های عددی بارش به دلیل تأثیری که بر افزایش زمان پیش‌هشدار سیلاب دارند، توسعه یافته است. هدف این تحقیق، بهبود مهارت پیش‌بینی مدل‌های عددی بارش توسط تکنیک‌های پس‌پردازش است. بدین ترتیب پیش‌بینی همادی بارندگی سه مدل هواشناسی NCEP، UKMO و KMA برای شش رویداد بارش مولد سیلاب در حوضه دز استخراج گردید. جهت پس‌پردازش پیش‌بینی‌های همادی بارش از رویکردهای آماری و مدل داده محور استفاده شد. بدین‌منظور، پیش‌بینی خام هر مدل منفرد با استفاده از مدل‌های رگرسیونی خطی و توانی تصحیح گردید. سپس خروجی‌ تصحیح شده مدل‌های منفرد توسط مدل پیشنهادی کنترل گروهی داده ها (GMDH) ترکیب شدند. نتایج نشان داد برای اصلاح پیش‌بینی‌های خام، عملکرد مدل‌های توانی بهتر از خطی است. پس از تصحیح برونداد مدل‌ها، نتایج دقیق‌تری با استفاده از مدل‌های NCEP و UKMO به دست آمد. همچنین، سامانه همادی چندگانه ساخته شده توسط مدل GMDH اثر قابل‌ ملاحظه‌ای بر مهارت پیش‌بینی مدل‌های عددی بارش داشت، به‌گونه‌ای که معیارهای ارزیابی نش-ساتکلیف و خطای نرمال شده به طور متوسط 23% و 11% نسبت به مدل‌های توانی بهبود یافتند. ارزیابی مقایسه‌ای قابلیّت تفکیک‌پذیری مدل‌های همادی چندگانه با مدل‌های منفرد توسط منحنی ROC در دو سطح آستانه 5/2 و 10 میلی‌متر بیانگر توانایی تفکیک‌پذیری بالاتر مدل‌های همادی چندگانه در هر دو سطح آستانه بارش بود. پیش بینی-های پس پردازش شده بارندگی همادی به‌عنوان یک ورودی قابل اعتماد برای مدل‌های هیدرولوژیکی جهت پیش‌بینی وقایع حدی به کار می‌آید.