ارائه مدل تلفیقی عددی-یادگیری ماشین Galerkin-MARS به منظور مدل سازی خشک سالی هواشناسی (مطالعه موردی: استان خوزستان)

خشک سالی یکی از بلایای طبیعی، به ویژه در مناطق خشک و نیمه خشک به شمار می آید. تحلیل شرایط، مشخصات و وضعیت خشک سالی بهعنوان یک نوع خطر طبیعی در مناطق مختلف با تمرکز بر جمع آوری راهکارهای مﻘابله با خشک سالی و مدیریت مخاطرات آن دارای اهمیت بسیار بالایی می باشد. در پژوهش حاضر، تجزیه و تحلیل و پیش بینی خشک سالی هواشناسی در استان خوزستان با مدل های انفرادی Galerkin و MARS و مدل تلفیقی هوشمند Galerkin-MARS در طول دوره آماری ۳۰ ساله (۱۳۹۹-۱۳۶۹) مورد بررسی قرار گرفت. جهت ارزیابی شرایط خشک سالی، از شاخص بارش استاندارد شده (SPI) حاصل از داده های هشت ایستگاه سینوپتیک استان خوزستان استفاده شد. در گام بعدی، نتایج مدل سازی توسط مدل های ذکر شده و با استفاده از شاخص های نیکویی برازش با یکدیگر مقایسه شدند. نتایج بیانگر این بود که مدل تلفیقی Galerkin-MARS به منظور برآورد شاخص SPI در استان خوزستان از کارایی بسیار بالایی برخوردار است. هم چنین پنجره های زمانی بلندمدت SPI از دقت بالاتری نسبت به پنجره های زمانی کوتاه مدت در منطقه مورد مطالعه برخوردار بودند. به طور کلی می توان گفت که تلفیق مدل های عددی با یادگیری ماشین در استان خوزستان، افزایش دقت در مدل سازی نمایه SPI را به دنبال دارد.

کلیدواژه ها:

پیش بینی غیرخطی ، داده های هواشناسی ، شاخص بارش استانداردشده ، مدل های پیش بینی