ارزيابي كارايي مدل‌هاي مختلف خطي و غيرخطي در پيش‌بيني بارندگي ماهانه در تغييرات اقليم استان همدان

در اين پژوهش به منظور پيش‌بيني مقادير ماهانه بارش از مدل‌هاي ماشين بردار پشتيبان (SVM)، ماشين بردار پشتيبان تلفيق شده با تبديل موجك (W-SVM)،ARMAX و ARIMA استفاده گرديد. لذا از سري زماني ماهانه ايستگاه‌هاي باران‌سنجي واقع در استان همدان طي يك دوره 25 ساله (1370-1394) استفاده شد. اين دوره 25 ساله به 17 سال براي آموزش، 4 سال براي واسنجي و 4 سال براي صحت‌سنجي مدل تقسيم شد. مقايسه آماري نتايج به كمك شاخص‌هاي ضريب همبستگي (r)، جذر ميانگين مربعات خطا (RMSE) و خطاي استاندارد (SE) صورت گرفت. نتايج نشان داد كه به ترتيب مدل‌هاي ARIMA، ماشين بردار پشتيبان، ARMAX و ماشين بردار پشتيبان تلفيق شده با تبديل موجك در رتبه‌هاي اول تا چهارم قرار دارند. همچنين مدل ماشين بردار پشتيبان داراي پارامترهاي قابل تنظيم كمتري نسبت به مدل‌هاي ديگر مي باشد. لذا اين مدل با سهولت بيشتر و در زمان كمتري قادر به پيش‌بيني بارش بوده و از اين نظر نسبت به ساير روش‌ها ارجحيت دارد.

In this research, we used the support vector machine (SVM), support vector machine combined with wavelet transform (W-SVM), ARMAX and ARIMA models to predict the monthly values of precipitation. The study considers monthly time series data for precipitation stations located in Hamedan province during a 25-year period (1998-2016). The 25-year simulation period was divided into 17 years for training, 4 years for calibration and 4 years for validation. Statistical comparison of the results was conducted by using correlation coefficient (r), root mean square error (RMSE), and standard error (SE). Results showed that ARIMA, Support Vector Machines, ARMAX and support vector machine combine with wavelet transform were ranked first to forth, respectively. Furthermore, the support vector machine has fewer adjustable parameters than other models. So, the model is able to predict precipitation with greater ease and less time. For this reason, it is preferable to other methods.