ارزیابی عملکرد روش های تجزیه سیگنال در برآورد بارش ماهانه (مطالعه موردی: ایستگاه تله زنگ)

پیش­بینی بارش به­دلیل تاثیر آن بر کشاورزی، مدیریت بلایای طبیعی و نیز تامین آب از اهمیت زیادی برخوردار است. در مطالعه حاضر، بارش ماهانه ایستگاه تله­زنگ در دوره آماری ۱۳۴۵ تا ۱۳۹۹ با استفاده از روش تجزیه مد متغیر (VMD) و روش تجزیه مد تجربی گروهی کامل (CEEMD) مدل­سازی شد. داده­های ورودی براساس چهار سناریو به مدل ماشین بردار پشتیبان (SVM) تعریف شد. در سناریوی اول مقادیر بارش ماهانه تا چهار تاخیر به­عنوان ورودی مدل در نظر گرفته شدند. در سناریوی دوم علاوه بر داده­های بارش تاخیریافته، ترم پریودیک (تناوبی) نیز به الگوهای ورودی مدل افزوده شد. در سناریوی سوم و چهارم به ترتیب داده­های بارش ماهانه توسط CEEMD و VMD تجزیه و در اختیار مدل قرار گرفتند. ره­یافت این پژوهش نشان داد افزودن ترم تناوبی عملکرد مدل را به مقدار کمی بهبود می­بخشد. هم چنین، مقایسه نتایج روش­های پیش­پردازش داده­ها توسط VMD و CEEMD نشان داد که مدل VMD-SVM از عملکرد بسیار بهتری نسبت به مدل CEEMD-SVM برخوردار بوده است. به طوری که این روش توانسته مقدار شاخص MAE را به طور متوسط حدود ۲۵/۳۵ میلی­متر نسبت به مدل منفرد و ۷۷/۱۳ میلی­متر نسبت به مدل CEEMD-SVM کاهش دهد و دقت بیش تری نیز داشته است.

کلیدواژه ها:

پیش پردازش داده ، پیش بینی بارندگی ، تجزیه مد متغیر ، تجزیه مد تجربی گروهی کامل