پيش بيني بارش با استفاده از مدل رگرسيون درختي به منظور كنترل سيل

در سالهاي اخير خسارتهاي ناشي از سيل در بسياري از مناطق جهان رشد صعودي داشته است و بارشهاي غير مترقبه به عنوان يك عامل تهديد كننده در احتمال وقوع سيل محسوب مي شود. پيش بيني بارش در مديريت و هشدار سيل نقش مهمي بر عهده دارد. به منظور كاهش خسارات ناشي از سيل به خصوص در حوضه هاي كوچك و كوهستاني با زمان تمركز كم پيش بيني بارش از اهميت زيادي برخوردار مي باشد، زيرا با اطلاع از ميزان بارندگي، مي توان امكان وقوع سيل را در منطقه پيش بيني و اقدامات لازم را به عمل آورد. در سالهاي اخير استفاده از روشهاي هوش مصنوعي براي برآورد پديده هاي هيدرولوژي افزايش چشمگيري داشته است. در تحقيق امكان استفاده از مدل رگرسيون درختي (Regression tree model) به عنوان يك روش كارآمد جهت پيش بيني بارندگي مورد مورد ارزيابي قرار گرفت. از اين روش براي پيش بيني و تجزيه و تحليل عوامل موثر در بارش سه ايستگاه هواشناسي بندر انزلي ، اراك و قم كمك گرفته شد. با استفاده از داده هاي روزانه دما ، فشار ، ساعت آفتابي، رطوبت نسبي در بازه زماني 10 ساله براي سه ايستگاه هواشناسي مذكور به عنوان ورودي مدل مقدار بارش روزانه به عنوان خروجي مدل در اين ايستگاهها پيش بيني و مورد تجزيه و تحليل قرار گرفت. نتايج بيانگر توانايي و دقت بالا اين مدل براي پيش بيني بارش بود. براي مثال ضريب همبستگي بين داده هاي پيش بيني شده و داده هاي مشاهداتي به طور متوسط 0/86 براي سه ايستگاه مورد مطالعه بدست آمد.