داده کاوی روی سیگنال های بزرگ مقیاس اقلیمی برای پیش بینی بلندمدت خشکسالی

در تلاش جهت تدوین طرحهای مقابله با خشکسالی، پیشبینی و پیش آگاهی از مولفه های اصلی این طرحها هستند. با اینگونه اطلاعات است که نسبت به فعال سازی طرحهای از پیش تعریف شده برای کاهش اثرات خشکسالی، تصمیم گرفته می شود. اما مقوله پیشبینی از بحثهایی است که علیرقم تلاش طولانی که روی آن شده، هنوز با دقتیکه مدیریت منابع به آن نیاز دارد فاصله دارد و در این راستا هم نوع مدلها و هم نوع اطلاعات پیشبینی کننده در حال بررسی و ارزیابی هستند. یک نوع از اطلاعات جهانی که برای پیش بینی مورد توجه قرار گرفته است اطلاعات دمای سطح آب و فشار سطح دریا هستند. اما حجم وسیع این اطلاعات باعث میگردد تا برای یافتن موقعیتهای مناسب آنها، روش ها و تکنیک های خاصی لازم باشد . در این خصوص داده کاوی ابزاری مناسب می باشد که استفاده از آن درمدیریت منابع آب سابقه طولانی ندارد. در این تحقیق تلاش است تا با استفاده از این روش نقاط موثر جهانی را بر شرایط اقلیمی استان تهران شناسایی گردد و سپس با استفاده از روشهای شبکه های عصبی مصنوعی و فازی عصبی به مدلسازی پیش بینی پرداخته شود . همچنین شاخص SPI به عنوان معرف خشکسالی و ترسالی در نظر گرفته شده است.

کلیدواژه ها:

نوسانات فشار ، حداکثر مثبت نوسانات فشار CP ، حداکثر منفی نوسانات فشار CP ، جذر متوسط مربعات نوسانات فشار CP ، توزیع احتمال نوسانات فشار