مقایسه کارایی رگرسیون بردار پشتیبان در پیشبینی خشکسالی با استفاده از پیوند از دور و پارامترهای اقلیمی در نمونههای اقلیمی ایران
نویسندگان
1 استادیار، گروه ریاضی و آمار، دانشکده علوم پایه، دانشگاه هرمزگان، بندرعباس، ایران
2 دانشیار گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی دانشگاه هرمزگان، بندرعباس، ایران
doi
چکیده
هدف از تحقیق حاضر، پیشبینی خشکسالی کشاورزی با استفاده از سیگنالهای بزرگ مقیاس و متغیرهای اقلیمی در هشت نمونه اقلیمی ایران است. براین اساس، با استفاده از رگرسیون لاسو، مهمترین متغیرها در هر اقلیم مشخص و با استفاده از رگرسیون بردار پشتیبان و سه تابع خطی، شعاعی و چندجملهای، خشکسالی پیشبینی گردید. نتایج نشان داد، در اقلیم فراخشک معتدل و نیمه خشک سرد تابع خطی و در سایر اقلیمها تابع شعاعی مناسب است. بر اساس نتایج، مقدار توافق بین مقدار پیشبینی کننده و پیشبینی شونده 912/0 تا 731/0 براوردگردید. در بررسی خطای مدل براساس PE یا فرکانس خطا، بیش از 55% خطا ناچیز و مربوط به دسته 5/0± و 27% مربوط به دسته 5/0± تا 1± است که نشان دهنده کارایی مناسب مدل در برآورد SPEI است. برای بررسی عملکرد مدل در پیشبینی وقایع خشکسالی در طول دوره آزمایش، متغیرهای شدت خشکسالی، مدت زمان، شدت اوج و بزرگی مورد بررسی قرار گرفت. در متغیر شدت، بزرگی و پیک خشکسالی عموما مدل دچار کم برآورد شده، بهجز در اقلیم فراخشک و معتدل و نیمه خشک سرد که تابع خطی، رفتاری متفاوت را نشان داد. بیشترین اختلاف بین مقادیر مشاهدهای و پیشبینی شده در متغیر شدت خشکسالی در صدک 75ام در اقلیم خشک و گرم (بوشهر) مشاهده گردید. در نهایت، میتوان بیان کرد، مدل SVR در پیشبینی SPEI برای اکثر اقلیمها بسیار کارآمد است. با این حال، عملکرد آن در مناطق متنوع جغرافیایی متفاوت به نظر می رسد، که شاید نشاندهنده نقش متفاوت رگرسیونهای مورد استفاده در آموزش مدل و متغیرهای مختلف باشد.