توسعه روش هاي رگرسيوني با استفاده از رويكرد فازي و شبكه عصبي در ريز مقياس سازي اطلاعات جوي

شواهد گویای اثرات قابل ملاحظه تغییر اقلیم بر محیط زیست جهان است. به طور معمول تغییر سریع اقلیم خطر خسارت های بیشتری را به همراه دارد. نتایج مدل های گردش عمومی حاكی از افزایش تراز سطح دریاها و به دنبال آن بروز سیل ها و حوادث طبیعی است. برای استفاده از نتایج مدل های گردش عمومی كه دارای وضوح مكانی كم و غالبا همبستگی كم با اطلاعات مشاهداتی هستند، نیاز به ریز مقیاس كردن داده ها در حوضه آبریز مورد مطالعه است. در این تحقیق پس از معرفی دو مدل SDSM و DMDM برای ریز مقیاس سازی آماری، به توسعه مدل DMDM به كمك روش ها داده كاوی رگرسیونی با استفاده از رویكرد فازی و شبكه عصبی پرداخته شده است. در نهایت مدل توسعه داده شده با شاخص های خطای متنوعی مورد ارزیابی قرار گرفته است. در این مقاله، حوضه نیمه خشك آدری در استان كرمان به عنوان مطالعه موردی انتخاب شده است. ایستگاه مورد مطالعه تعداد روزها بدون بارش فراوانی داشته است كه به موجب آن، پیچیدگی فرآیند ریزمقیاس سازی افزایش یافته است. نتایج استفاده از دو مدل SDSM و DMDM كه در این منطقه ارائه شده است، نشانگر برتری DMDM توسعه داه شده در قیاس با SDSM و DMDM اولیه است. این برتری در شبیه سازی وقوع و مقدار و انحراف از معیار و پیش بینی بارش مشهود است.