پیش بینی وقوع بارش روزانه با استفاده از داده های هواشناسی روزهای قبل (مطالعه موردی: شهر اصفهان) مقالة

هدف از این تحقیق، پیش بینی وقوع بارش روزانه شهر اصفهان با استفاده از داده های هواشناسی 1 تا 7 روز قبل می باشد. برای این منظور،داده های هواشناسی دوره 2009-2000 با استفاده از مدل های هوشمند بردار پشتیبان، k-نزدیک ترین همسایگی، شبکه عصبی مصنوعی و درخت تصمیم بررسیگردید. نتایج نشان داد که در هر چهار روش، دقت پیش بینی بهترین سناریوها با استفاده از داده های 6 و 7 روز قبل، کمتر از 75 درصد بود، اما با استفاده از داده های روزهای 1 تا 5 روز قبل، بارش روزانه با دقت بیش از 80 درصد پیش بینی شد. عملکرد روش درخت تصمیم بهتر از سه روش دیگر بود و به علت ارائه درخت تصمیم گیری، نتایج سناریوهای 1 تا 5 روز قبل این روش ارائه شد. نتایج سناریوها با استفاده از داده های 1 تا 3 روز قبل نشان داد که رطوبت نسبی هوا مناسب ترین پارامتر برای پیش بینی وقوع بارش روزانه است، اما در شرایط استفاده از داده های 4 و 5 روز قبل، دمای هوا مناسب ترین پارامتر برای انجام پیش بینی بود. در نهایت عملکرد بهترین سناریوها با استفاده از داده های دوره 2016-2010 صحت سنجی گردید. بهترین نتایج در بخش صحت سنجی به ترتیب مربوط به سناریوی 1 روز قبل(با پارامتر حداقل رطوبت نسبی) و سناریوی 4 روز قبل(با پارامتر دمای حداکثر) بود.

جدول ١: نتايج سناريوهاي مختلف پيش بيني شرايط بارش ١ روز بعد با استفاده از پارامترهاي هواشناسي روزانه درصد موارد پيش بيني صحيح (CCI) شماره سناريو پارامتر ورودي DT ANN KNN SVC 80/64 80/82 81/09 78/08 Cloud-1 (( 1 81/36 81/92 79/66 82/70 Sun-1 (hr( 2 83/83 83/44 81/64 81/05 RHmin-1 (%( 3 80/41 82/06 82/19 82/73 RHmean-1 (%( 4 80/54 76/43 80/00 76/71 Tmax-1 (ºC( 5 81/19 82/77 80/44 83/28 Cloud-1 (( and Sun-1 (hr( 6 80/60 84/10 81/78 83/01 Cloud-1 (( and RHmean-1 (%( 7 81/30 82/26 80/36 83/56 Cloud-1 (( and Tmax-1 (ºC( 8 80/00 81/91 79/72 82/46 Sun-1 (hr( and RHmin-1 (%( 9 منبع : يافته هاي پژوهش در بين چهار روش مورد بررسي، تنها درخت تصميم J٤٨ داراي خروجي قابل استفاده براي مديريت بارش و تصميم گيريهاي آتي است . جدول ٣: نتايج سناريوهاي مختلف پيش بيني وقوع بارش ٢ روز بعد با استفاده از پارامترهاي هواشناسي روزانه درصد موارد پيش بيني صحيح (CCI) شماره سناريو پارامتر ورودي DT ANN KNN SVC 79/12 77/37 76/64 76/92 RHmax-2 (%( 1 80/21 79/39 77/74 76/37RHmean-2 (%( 2 منبع : يافته هاي پژوهش / (2) / جدول ٤: ماتريس همبستگي تعداد روزهاي وقوع و عدم وقوع بارش بين داده هاي مشاهداتي و درخت تصميم (سناريوي شماره ١) طبقه بندي روزها روزهاي عدم وقوع بارش (N) محاسباتي روزهاي وقوع بارش (Y) محاسباتي روزهاي وقوع بارش (Y) مشاهداتي 23 61 روزهاي عدم وقوع بارش (N) مشاهداتي 227 53 منبع : يافته هاي پژوهش در حالت تأخير ٣ روزه ، بررسي عملکرد سناريوهاي مختلف در چهار روش نشان داد که اکثر سناريوها داراي درصد پيش بيني صحيح کمتر از ٧٧ درصد هستند.