بررسی توانمندی مدل ریزمقیاس نمایی SDSM در انتخاب بهترین متغیرهای پیش بینی کننده

امروزه، روش های آماری مکملی برای روش های عددی در پیش بینی وضع هوا هستند. این روش ها مبتنی بر ارتباط بین متغیرهای پیش بینی شونده و پیش بینی کننده هستند. یکی از مهمترین خصوصیات داده های علوم زمین ارتباط و وابستگی های موجود بین متغیرهای مختلف ا ست که همین باعث می شود هر متغیر پیش بینی شونده، تحت تأثیر متغیرهای پیش بینی کننده زیادی قرار گیرد. در اصطلاحات پیش بینی آماری وضع هوا، مسئله انتخاب یک مجموعه پیش بینی کننده خوب از کل متغیرها غربال کردن نامیده می شود. در این پژوهش، فرآیند غربال کردن به کمک مدل SDSM و با روش وابازی گام به گام با دو مجموعه از داده ها انجام شده است. یکی، داده های مشاهداتی دمای بیشینه و کمینه ایستگاه همدیدی یزد در دوره 40 ساله (1961-2001) (پیش بینی شونده) و دیگری، مجموعه داده های بازتحلیل مرکز ملی پیش بینی محیط زیست (پیش بینی کننده) مورد استفاده قرار گرفتند. نتایج نشان داد که مدل SDSM توانایی خوبی در انتخاب بهترین متغیرهای پیش بینی کننده دارد.

کلیدواژه ها:

روابط وایازی ، پیش بینی کننده ، پیش بینی شونده ، وایازی گام به گام ، همبستگی