مقايسه تطبيقي مدل هاي داده كاوي در ريزمقياس نمايي بارش و دما (مطالعه موردي : حوضه آبخيز بازفت صمصامي)

سابقه و هدف : دما و بارش به عنوان دو متغير مهم هواشناسي، خصوصاً در مناطق خشك و نيمه خشك مطرح هستند. در نتيجه، تعيين مقدار اين متغيرها، تغييرات آن ها و پيش بيني اين پديده ها به منظور برنامه ريزي دقيق تر در مديريت بخش هاي كشاورزي، اقتصادي و اجتماعي، ضروري مي باشد. امروزه عدم تطابق مقياس مكاني و زماني مورد نياز در مدل هاي بررسي كننده تأثير تغيير اقليم با خروجي مدل هاي GCM و نياز به بررسي روند تغيير در متغيرهاي حدي هواشناسي در مقياس منطقه اي، باعث شده است تا روش هاي ريز مقياس نمايي مختلفي توسعه يابند. از اين رو هدف از اين تحقيق، مقايسه تطبيقي مدل هاي داده كاوي در ريزمقياس نمايي بارش و دما براساس داده هاي مدل گردش عمومي NCEP است. مواد و روش ها: منطقه مورد مطالعه در اين تحقيق، حوضه آبخيز بازفت صمصامي است. اين حوضه، يكي از زيرحوضه‌هاي كارون شمالي است كه در شمال غربي استان چهارمحال و بختياري واقع شده است. ايستگاه هاي باران سنجي و هيدرومتري مرغك در خروجي آن واقع شده است. در اين پژوهش، كارايي چهار روش درخت تصميم (M5)، نزديك‌ترين همسايه (KNN)، روش پرسپترون چندلايه (MLP) و رگرسيون خطي ساده (SLR) براي مدل‌سازي بارش و دماي ماهانه ايستگاه مرغك در دوره آموزش 1990-1971 و دوره آزمون 1991-2000 با استفاده از پارامترهاي خروجي NCEP مورد ارزيابي قرار گرفت. يافته ها: نتايج مدل سازي بارش ماهانه با استفاده از مدل هاي مذكور نشان داد كه خروجي همه مدل ها به جز مدلKNN ، مقادير منفي را براي بارش ارائه مي كنند. پيش‌بيني بارش توسط مدل درخت تصميم در ماه‌هاي ميلادي ژانويه، مارس، آوريل و دسامبر، داراي ميانگين كمتري نسبت به مقادير مشاهده شده (P) است. اين وضعيت در ساير مدل ها نيز تا حدودي مشاهده مي شود. همچنين با توجه به اين كه حد پايين بارش صفر است، از كم بودن مقادير پيش‌بيني شده نسبت به مقادير مشاهده شده مي‌توان نتيجه گرفت كه مقادير حدي بيشينه بارش با اين مدل‌ها به خوبي پيش‌بيني نشده است. پيش بيني بارش توسط همه مدل ها در همه ماه ها به جز ماه مه، داراي انحراف معيار كمتري نسبت به مقادير مشاهده شده (P) است. نتايج پيش بيني دماي ماهانه نيز نشان داد كه تنها خروجيMLP ، مقادير منفي را براي دماي ماهانه ارائه مي كند كه اين مي تواند به دليل خاصيت برون يابي و تعميم در روش پرسپترون چند لايه باشد. همچنين انحراف معيار به دست آمده از تمامي مدل ها در ماه هاي ژانويه، فوريه، مارس، آوريل، ژوئيه، اوت، اكتبر، نوامبر و دسامبر بيشتر از انحراف معيار دماي مشاهده شده است. نتايج تحليل هاي آماري نيز نشان داد كه مدل درخت تصميم در مرحله آزمون با توجه به معيارهاي ريشه ميانگين مربعات خطا، ميانگين خطاي اريب و ضريب همبستگي نسبت به مدل هاي ديگر، برآورد بهتري براي بارش و دماي ماهانه داشته است. اگرچه نتايج ضريب تعيين اين مدل در مرحله آزمون براي برآورد دماي ماهانه، ضعيف تر از بارش ماهانه مي باشد. نتيجه گيري: نتايج بررسي كارايي چهار مدل KNN، M5، SLR و MLP در مدل‌سازي بارش و دماي ماهانه ايستگاه هواشناسي مرغك با داده‌هاي خروجي مدل NCEP، حاكي از ضعف اين مدل‌ها در ريزمقياس نمايي بارش و دماي ماهانه بود. بنابراين با وجود برتري نسبي مدل درخت تصميم M5 نسبت به ساير مدل ها، استفاده از مدل هاي داده كاوي مذكور براي پيش بيني بارش و دما در ايستگاه مرغك توصيه نمي شود.