تحليل عدم قطعيت مدل‌هاي شبكه عصبي مصنوعي و ماشين بردار پشتيبان در تخمين بارش

در اين تحقيق سعي گرديد، تركيب ورودي و مدل مناسب براي تخمين بارش هاي شهرستان شاهرود تعيين گردد. براي رسيدن به اين هدف از داده هاي ماهانه هواشناسي شامل تبخير، دما، رطوبت نسبي هوا، تابش هاي خورشيدي، سرعت باد در دوره آماري 1342 تا 1394 و مدل هاي شبكه عصبي مصنوعي و ماشين بردار پشتيبان استفاده شده است. 75 درصد از داده ها براي واسنجي و 25 درصد ديگر جهت اعتبارسنجي مدل ها استفاده شده است. در اين تحقيق از شبكه عصبي مصنوعي پرسپترون چند لايه با تابع تانژانت سيگموئيد و 1 تا 30 نرون در لايه پنهان و از مدل ماشين بردار پشتيبان با تابع كرنل پايه شعاعي جهت تخمين بارش هاي منطقه شهرستان شاهرود استفاده شده است. عملكرد هر يك از مدل ها با استفاده از شاخص هاي آماري مجذور ميانگين مربعات خطا و ضريب همبستگي ارزيابي شده است و عدم قطعيت مدل ها نيز به ازاي دو پارامتر dfactor و pfactor تعيين گرديده است. با توجه به اين كه هر دو مدل عملكرد مناسبي در تخمين بارش داشته اند، ولي مدل ماشين بردار پشتيبان با خطا و عدم قطعيت كمتري نسبت به مدل شبكه عصبي مصنوعي، عملكرد بهتري در تخمين بارش شهرستان شاهرود داشته است. بنابراين مدل ماشين بردار پشتيبان مي تواند به عنوان يك مدل بسيار مناسب در تخمين بارش مورد استفاده قرار گيرد.