فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی‌ کوتاه‌مدت بارش‏های سنگین اهمیت ویژه‏ای در هشدار سیل و به‌حداقل‌رساندن آسیب‏های ناشی از آن دارد. در این مطالعه، تعریف جدیدی از بارش سنگین منطقه‌ای برپایه الگوی احتمالاتی رگبارها ارائه شد. برای این منظور از داده‌های ‌بارش روزانه (2018-1987) مربوط به 12 ایستگاه همدید در جنوب غرب ایران استفاده شد. به‌علاوه، شش متغیر همدیدی در ترازهای 1000 تا 200 هکتوپاسکال مربوط به یک تا پنج روز قبل از بارش سنگین (که گستره وسیعی در خارج منطقه مطالعاتی را پوشش می‌دهند) به‌عنوان پیش‌بینی گر مورداستفاده قرار گرفت. برای اجرای این پژوهش از چهار روش انتخاب متغیر و ده مدل یادگیری ماشین از نوع طبقه‌بندی‌کننده دودوئی استفاده شد. نتایج نشان داد که به‌منظور تشخیص بارش‏های سنگین از غیر سنگین، بهترین حالت استفاده از داده‏های تا چهار روز پیش از رخداد بارش است. همچنین، از بین چهار روش انتخاب متغیر، روش‏های Chi-Square و Extra Tree برCorrelation و Random Forest برتری دارند. در نتیجه این مطالعه مشخص شد که مدل Random Forest با روش انتخاب متغیر Chi-Square بالاترین کارایی در پیش‌بینی بارش‏های سنگین در منطقه مطالعاتی را دارد. متغیرهای همدیدی مناسب برای پیش‌بینی بارش سنگین شامل رطوبت نسبی و رطوبت ویژه 1-2 روز قبل و باد برداری 2-4 روز قبل از رخداد بودند.