برآورد بارش با استفاده از مدل شبكه عصبي مصنوعي و ماشين بردار پشتيبان

Estimation of precipitation using artificial neural network model and backup vector machine

مديريت نزولات جوي و استفاده بهينه از اين منابع كمك شاياني به مديريت منابع مي¬كند، بدين منظور در مديريت منابع آب تخمين پارامتر¬هاي هيدرولوژيكي نقش اساسي دارند. با توجه به اينكه پيش¬بيني بارش تابع عوامل متعددي از جمله رطوبت، دما، ساعات آفتابي و ... مي¬باشد و همچنين به دليل محدوديت¬هايي از قبيل نبود اطلاعات بارش در مقياس¬هاي زماني و مكاني مناسب، استفاده از روش¬هاي معمول از پيچيدگي¬هاي زيادي برخوردار است. در اين تحقيق با استفاده از نرم افزار ArcMap، ميزان بارش ماهانه، رطوبت نسبي، دما با روش ¬ IDWو كريجينگ معمولي بر روي درياچه اروميه درون¬يابي گرديد و فايل رستري پارامتر¬هاي مذكور ايجاد شد. براي ايجاد فايل¬هاي رستري مذكور، از آمار پنج ساله (1391 الي 1395)، 14 ايستگاه سينوپتيك سازمان هواشناسي استفاده گرديد. براي مدل¬سازي بارش ماهانه بر روي درياچه اروميه از مدل¬هاي شبكه عصبي مصنوعي و ماشين بردار پشتيبان به عنوان روش¬هاي كارآمد جهت مدل¬سازي بارندگي استفاده شد و همه مراحل مدل¬سازي با استفاده از نرم افزار STATISTICA 12 انجام گرفته است. به منظور صحت¬سنجي نتايج 70 درصد داده¬ها به عنوان آموزش و 30 درصد داده¬ها به عنوان تست انتخاب گرديد. تحليل نتايج خروجي دو مدل مذكور، نشان¬دهنده دقت بالاي مدل ماشين بردار پشتيبان نسبت به شبكه عصبي مصنوعي مي¬باشد.