پيش‏بيني رخداد بارش‏ سنگين منطقه‌اي در جنوب غربي ايران با استفاده از متغيرهاي همديدي و روش‌هاي داده‏ كاوي

پيش‌بيني‌ كوتاه‌مدت بارش‏هاي سنگين اهميت ويژه‏اي در هشدار سيل و به‌حداقل‌رساندن آسيب‏هاي ناشي از آن دارد. در اين مطالعه، تعريف جديدي از بارش سنگين منطقه‌اي برپايه الگوي احتمالاتي رگبارها ارائه شد. براي اين منظور از داده‌هاي ‌بارش روزانه (2018-1987) مربوط به 12 ايستگاه همديد در جنوب غرب ايران استفاده شد. به‌علاوه، شش متغير همديدي در ترازهاي 1000 تا 200 هكتوپاسكال مربوط به يك تا پنج روز قبل از بارش سنگين (كه گستره وسيعي در خارج منطقه مطالعاتي را پوشش مي‌دهند) به‌عنوان پيش‌بيني گر مورداستفاده قرار گرفت. براي اجراي اين پژوهش از چهار روش انتخاب متغير و ده مدل يادگيري ماشين از نوع طبقه‌بندي‌كننده دودوئي استفاده شد. نتايج نشان داد كه به‌منظور تشخيص بارش‏هاي سنگين از غير سنگين، بهترين حالت استفاده از داده‏هاي تا چهار روز پيش از رخداد بارش است. همچنين، از بين چهار روش انتخاب متغير، روش‏هاي ChiSquare و Extra Tree برCorrelation  و Random Forest  برتري دارند. در نتيجه اين مطالعه مشخص شد كه مدل Random Forest با روش انتخاب متغير ChiSquare بالاترين كارايي در پيش‌بيني بارش‏هاي سنگين در منطقه مطالعاتي را دارد. متغيرهاي همديدي مناسب براي پيش‌بيني بارش سنگين شامل رطوبت نسبي و رطوبت ويژه 1-2 روز قبل و باد برداري 2-4 روز قبل از رخداد بودند.