فهرست نشریات علمی دسترسی آزاد ایران

بارش به‌عنوان یک متغیر تصادفی با داشتن تغییرات مکانی و زمانی یکی از عناصر پیچیده در چرخه هیدرولوژی است. هدف پژوهش حاضر برآورد میزان بارش روزانه تبریز در بازه زمانی 36 ساله (1986-2021) با استفاده از گروه روش‌های درختی شامل، مدل درختی M5P، درخت تصادفی، کاهش خطای هرس درخت و روش دسته‌بندی است. بدین منظور از مقادیر بارش ایستگاه‌های حوضه دریاچه ارومیه از جمله سهند، سراب، ارومیه، مراغه و مهاباد در ترکیب‌های ورودی مختلف استفاده شد. ماتریس همبستگی و الگوریتم رلیف مبنای انتخاب سناریوهای ورودی در نظر گرفته شد و تأثیر مؤلفه‌های تجزیه فصلی-روند در بهبود نتایج مدل‌سازی بررسی شد. عملکرد روش‌های مذکور با معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا، ضریب نش ساتکلیف، میانگین خطای قدر مطلق و ضریب ویلموت اصلاح شده مورد ارزیابی قرار گرفت. بررسی نتایج نشان داد رویکرد دسته‌بندی در اکثر موارد نتایج قابل قبولی ارائه نموده و باعث بهبود نتایج مدل‌سازی می‌گردد. بررسی‌ها مشخص نمود که ایستگاه سهند با بیشترین همبستگی و کمترین فاصله از تبریز، مؤثرترین ایستگاه مجاور در برآورد میزان بارش تبریز می‌باشد. در حالت اول و بدون اعمال مؤلفه‌های تجزیه (روند، فصلی و باقیمانده) در بین روش‌های مورد استفاده روش M5P با سناریو اول شامل بارش سهند به‌عنوان روش و سناریو برتر انتخاب شد. در حالت دوم با وارد شدن مؤلفه‌های تجزیه، دقت تخمین‌ها به‌صورت چشم­گیری افزایش یافت. ادغام روش دسته‌بندی با الگوریتم پایه M5P با پارامترهای بارش سهند و باقیمانده بارش تبریز با R=0.98 و NS=0.95 به‌عنوان برترین حالت انتخاب گردید. در حالت کلی نتایج نشان داد، بهره‌گیری توأم از رویکرد دسته‌بندی مدل‌ها و الگوریتم پیش‌پردازش مؤلفه‌های تجزیه باعث بهبود نتایج مدل‌سازی بارش روزانه تبریز می‌شود. به طوریکه مقدار خطای RMSE نسبت به حالت اول 64/60  درصد کاهش یافت. بنابراین به علت استفاده از حداقل تعداد پارامتر ورودی و ارائه نتایج قابل قبول، مدل‌های دسته‌بندی با الگوریتم پایه درختی به‌عنوان روش‌های ساده و پرکاربرد پیشنهاد می­گردد.