پیشبینی بارش سالانه شهر کرمان با استفاده از مدل رگرسیون بردارپشتیبان (SVR)

بارش یکی از مهمترین پارامترهای اقلیمی محسوب میشود که از اهمیت زیادی در زندگی بشر برخوردار است. در گذشته، سیل و خشکسالی خسارتهای زیادی را به بسیاری از مناطق جهان وارد کرده است. بنابراین پیشبینی میزان دقیق بارش در مدیریت این بلایای طبیعی بسیار حائز اهمیت است. از طرفی، پدیده بارش به دلیل تاثیر پارامترهای متفاوت هواشناسی، یک پدیده بسیار نامنظم میباشد که پیشبینی و مدلسازی آن با دشواری فراوانی همراه است. امروزه روشهای مبتنی بر هوش مصنوعی از جمله شبکه های عصبی مصنوعی، ماشینهای بردار پشتیبان، سطح پاسخ، کریجینگ و ... رویکردی موثر برای مدلسازی و پیشبینی پدیدههای پیچیده طبیعی از خود نشان دادهاند. از این رو هدف این مقاله، پیش بینی بارش سالانه با استفاده از آمار روزانه هواشناسی ایستگاه شهر کرمان بر اساس اطلاعات بارش ثبت شده در بازه سالهای ۱۳۵۸ تا ۱۳۹۵ با استفاده از روش ماشین بردار پشتیبان از نوع رگرسیونی میباشد. برای این منظور یک الگوی بارش، که ارتباط بین بارش در آینده و بارش در زمانهای قبلی را مشخص میکند، بهعنوان ورودی مدل رگرسیون بردار پشتیبان ( SVR ( استفاده شد. دقت مدل با استفاده از پارامترهای آماری ضریب همبستگی ) R(، میانگین مربعات خطا ) MSE ( و ریشه میانگین مربعات خطا ) RMSE ( مورد ارزیابی قرار گرفت. بر اساس نتایج حاصل از تحلیل دادههای پیشبینی شده با استفاده از پارامترهای آماری مشخص شد که SVR از دقت و عملکرد بالایی جهت مدلسازی و پیشبینی بارش شهر کرمان برخوردار است.

کلیدواژه ها:

بارش ، شبکه عصبی مصنوعی ، ماشین بردار پشتیبان ، هوش مصنوعی ، کرمان.