مدل‌ سازي بارش روزانه تبريز با روش‌هاي درختي ادغام شده با تجزيه فصلي-روند و رويكرد دسته‌بندي

بارش به‌عنوان يك متغير تصادفي با داشتن تغييرات مكاني و زماني يكي از عناصر پيچيده در چرخه هيدرولوژي است. هدف پژوهش حاضر برآورد ميزان بارش روزانه تبريز در بازه زماني 36 ساله (1986-2021) با استفاده از گروه روش‌هاي درختي شامل، مدل درختي M5P، درخت تصادفي، كاهش خطاي هرس درخت و روش دسته‌بندي است. بدين منظور از مقادير بارش ايستگاه‌هاي حوضه درياچه اروميه از جمله سهند، سراب، اروميه، مراغه و مهاباد در تركيب‌هاي ورودي مختلف استفاده شد. ماتريس همبستگي و الگوريتم رليف مبناي انتخاب سناريوهاي ورودي در نظر گرفته شد و تأثير مؤلفه‌هاي تجزيه فصلي-روند در بهبود نتايج مدل‌سازي بررسي شد. عملكرد روش‌هاي مذكور با معيارهاي ضريب همبستگي، ريشه ميانگين مربعات خطا، ضريب نش ساتكليف، ميانگين خطاي قدر مطلق و ضريب ويلموت اصلاح شده مورد ارزيابي قرار گرفت. بررسي نتايج نشان داد رويكرد دسته‌بندي در اكثر موارد نتايج قابل قبولي ارائه نموده و باعث بهبود نتايج مدل‌سازي مي‌گردد. بررسي‌ها مشخص نمود كه ايستگاه سهند با بيشترين همبستگي و كمترين فاصله از تبريز، مؤثرترين ايستگاه مجاور در برآورد ميزان بارش تبريز مي‌باشد. در حالت اول و بدون اعمال مؤلفه‌هاي تجزيه (روند، فصلي و باقيمانده) در بين روش‌هاي مورد استفاده روش M5P با سناريو اول شامل بارش سهند به‌عنوان روش و سناريو برتر انتخاب شد. در حالت دوم با وارد شدن مؤلفه‌هاي تجزيه، دقت تخمين‌ها به‌صورت چشم گيري افزايش يافت. ادغام روش دسته‌بندي با الگوريتم پايه M5P با پارامترهاي بارش سهند و باقيمانده بارش تبريز با R=0.98 و NS=0.95 به‌عنوان برترين حالت انتخاب گرديد. در حالت كلي نتايج نشان داد، بهره‌گيري توأم از رويكرد دسته‌بندي مدل‌ها و الگوريتم پيش‌پردازش مؤلفه‌هاي تجزيه باعث بهبود نتايج مدل‌سازي بارش روزانه تبريز مي‌شود. به طوريكه مقدار خطاي RMSE نسبت به حالت اول 64/60  درصد كاهش يافت. بنابراين به علت استفاده از حداقل تعداد پارامتر ورودي و ارائه نتايج قابل قبول، مدل‌هاي دسته‌بندي با الگوريتم پايه درختي به‌عنوان روش‌هاي ساده و پركاربرد پيشنهاد مي گردد.