پیش بینی بارش با استفاده از روش ترکیبی ماشین بردار پشتیبان فازی (FSVM) و شبکه عصبی

در سال ها اخیر خسارتهای ناشی از سیل در بسیاری از مناطق جهان رشد صعود داشته است که بارش ها غیر مترقبه بهعنوان یک عامل تهدید کننده در احتمال وقوع سایل محسوب می شود . پیش بینی بارش در مدیریت و هشدار معضلسیل نقش مهمی بر عهده دارد. به منظور جلوگیر از خسارات ناشی از سیل و سعی در کنترل ومهار آن ضرورت ،اهمیت پیش بینی بارش امری اجتناب ناپذیر به نظر می رسد. زیرا با اطلاع از میزان بارندگی، می توان امکان وقوع سیلرا در منطقه پیش بینی و اقدامات لازم را به عمل آورد . در مناطق آسیب پذیر ، ایجاد یک ساختارها دفاعی در برابرسیل مهم و جدی است و پیش بینی به موقع بارش نیز عاملی بوده که برای مقابله با سیل و اهداف مدیریتی آن از اهمیتبیشتری برخوردار است. در این تحقیق یک روش جدید برای پیش بینی میزان بارندگی با استفاده از ماشین بردار پشتیبانفاز (Fuzzy SVM) و شابکه عصابی بر رو مجموعه داده ها روزانه هواشناسی سال 1350 تا 1394 شیراز ارزیابی شدهاست، نتایج حاصل از شبیه ساز نشان می دهد روش پیشنهاد نسبت به سایر روش ها پیش بینی بارش از جایگاه ویژه ایبرخورداراست.

کلیدواژه ها:

پیش بینی بارندگی ، ماشین بردار پشتیبان فازی FSVM ، شبکه عصبی ، پیش بینی آب و هوا ، یادگیری ماشین