برآورد بارش با استفاده از مدل شبکه عصبی مصنوعی و ماشین بردار پشتیبان

مدیریت نزولات جوی و استفاده بهینه از این منابع کمک شایانی به مدیریت منابع می کند، بدین منظور در مدیریت منابع آب تخمین پارامتر های هیدرولوژیکی نقش اساسی دارند. با توجه به اینکه پیش بینی بارش تابع عوامل متعددی از جمله رطوبت، دما، ساعات آفتابی و ... می باشد و همچنین به دلیل محدودیت هایی از قبیل نبود اطلاعات بارش در مقیاس های زمانی و مکانی مناسب، استفاده از روش های معمول از پیچیدگی های زیادی برخوردار است. در این تحقیق با استفاده از نرم افزار ArcMap، میزان بارش ماهانه، رطوبت نسبی، دما با روش IDWو کریجینگ معمولی بر روی دریاچه ارومیه درون یابی گردید و فایل رستری پارامتر های مذکور ایجاد شد. برای ایجاد فایل های رستری مذکور، از آمار پنج ساله (1391 الی 1395)، 14 ایستگاه سینوپتیک سازمان هواشناسی استفاده گردید. برای مدل سازی بارش ماهانه بر روی دریاچه ارومیه از مدل های شبکه عصبی مصنوعی و ماشین بردار پشتیبان به عنوان روش های کارآمد جهت مدل سازی بارندگی استفاده شد و همه مراحل مدل سازی با استفاده از نرم افزار STATISTICA 12 انجام گرفته است. به منظور صحت سنجی نتایج 70 درصد داده ها به عنوان آموزش و 30 درصد داده ها به عنوان تست انتخاب گردید. تحلیل نتایج خروجی دو مدل مذکور، نشان دهنده دقت بالای مدل ماشین بردار پشتیبان نسبت به شبکه عصبی مصنوعی می باشد.

کلیدواژه ها:

تخمین بارندگی ، دریاچه ارومیه ، مدل سازی ، شبکه عصبی مصنوعی ، ماشین بردار پشتیبان