فهرست نشریات علمی دسترسی آزاد ایران

در این مقاله با کمک چند روش یادگیری ماشین و استفاده از سه شاخص دورپیوندNino 3.4 ، WP و NAO، میانگین بارش ماهانه منطقه‌ای در شمال غرب ایران شامل حوزه آبریز دریاچه ارومیه پیش‌بینی می­شود. دلیل انتخاب این سه شاخص، مؤثر بودن آنها بر بارش منطقه مورد مطالعه در شمال غرب ایران است. برای این منظور دو روش مدل‌سازی ماهانه و فصلی با یکدیگر مقایسه می­شوند. ازآنجاکه شاخص­های دورپیوند ممکن است با تأخیر بر بارش مؤثر باشند، تأخیرهای مختلف صفر تا سه ماهه برای هر سه شاخص مورد مطالعه لحاظ و بهترین نتیجه استخراج شد. در این پژوهش از سه روش یادگیری ماشین جنگل تصادفی، شبکه عصبی و گرادیان تقویتی استفاده شد. در حالت ماهانه، عملکرد روش گرادیان تقویتی (با سه ماه تأخیر برای شاخص WP و دو شاخص دیگر بدون تأخیر) بهتر از روش جنگل تصادفی بود و شبکه عصبی در جایگاه آخر عملکرد قرار گرفت. از نظر تخمین بارش­های حدی نیز روش گرادیان تقویتی عملکردی پذیرفتنی دارد. در مدل‌سازی فصلی، برای سه فصل بهار (مارس- آوریل- مه)، پاییز (سپتامبر- اکتبر- نوامبر) و زمستان (دسامبر- ژانویه- فوریه)، عملکرد جنگل تصادفی و برای فصل تابستان (ژوئن- ژوئیه- اوت)، عملکرد روش تقویت گرادیان نسبت به سایر روش­ها برتری داشت.