پیشبینی بلندمدت بارش در دوره های کم آبی با استفاده از مدل های تلفیق داده

پیشبینی بارش در افق های زمانی بلندمدت به دلیل نقش موثری که در مدیریت تخصیص منابع آب می تواند داشته باشد، حایز اهمیت است. با به کارگیری تکنیک های تلفیق داده میتوان از قابلیت های مدل های منفرد مختلف پیش بینی که به طور جداگانه در پیشبینی مورداستفاده قرار گرفته اند، با تلفیق خروجی های مدلها به طور همزمان بهره جست. در این مقاله هدف ارزیابی مقایسه ای عملکرد مدل های منفرد و تلفیقی در پیشبینی بلندمدت بارش در دوره های تر سال، در سال های کم آبی در ایستگاه لتیان، با استفاده از مدل های شبکه عصبی مصنوعی، موجک-شبکه عصبی، درخت تصمیم M5 و رگرسیون بردارپشتیبان می باشد. علاوه براین سعی شده است تا تاثیر سیگنال های بزرگ مقیاس اقلیمی در پیش بینی ها بررسی شود. نتایج حاصل نشان می دهد که به طور کلی، بکارگیری تکنیک تلفیق داده باعث بهبود نتایج شده است، در حالی که تاثیر سیگنال هایی مثل SST در مطالعه موردی حاضر بر بهبود نتایج قابل ملاحظه نبوده است

کلیدواژه ها:

پیش بینی بلندمدت ، تلفیق داده ، سیگنال های بزرگ مقیاس اقلیمی