پيش بيني بارش روزانه ايستگاه سردشت با استفاده از الگوريتم هاي تنبل و مدل‌هاي درختي

با توجه به توزيع ناهمگون بارش، پيش‌بيني وقوع آن‌يكي از راه‌كارهاي اوليه و اساسي براي پيش‌گيري از بلاياي احتمالي و خسارات ناشي از آن است. با توجه به بالا بودن ميزان بارندگي در شهرستان سردشت، روي آوردن مردم اين شهرستان به كشاورزي در سال هاي اخير و عدم استفاده از مدل هاي طبقه بندي در ايستگاه مورد مطالعه، پيش بيني هرچه دقيق تر پارامتر بارش روزانه امري ضروري است. از طرفي ديگر، با اين‌كه عملكرد مطلوب الگوريتم هاي تنبل و مدل هاي درختي باعث افزايش استفاده از آن ها براي پيش بيني پديده هاي مختلف هيدرولوژيكي شده اما اين الگوريتم ها در شهرستان سردشت مورد استفاده قرار نگرفته اند. لذا در اين پژوهش، چهار مدل Kstar، M5P، الگوريتم يادگيري با وزن‌دهي محلي و جنگل تصادفي براي پيش بيني بارش روزانه ايستگاه سردشت به كار گرفته‌شده است. در اين مطالعه از هفت پارامتر ورودي ميانگين دما، حداكثر دما، رطوبت نسبي متوسط​​، حداكثر رطوبت نسبي، سرعت باد متوسط، حداكثر سرعت باد و ساعات آفتابي كه هم زمان با بارش روزانه بودند، براي مدل ها استفاده شد. مقايسه و ارزيابي بين پارامترهاي ورودي نشان داد كه پارامتر ساعات آفتابي ازجمله مهم ترين پارامترهاي ورودي بوده كه نقش قابل توجهي در دقت پيش بيني مدل هاي مورد استفاده داشته است. نتايج به‌دست‌آمده نشان داد كه مدل درختي M5P در سناريوي هفتم بهترين عملكرد را با بيش‌ترين ضريب همبستگي (0.734 ميلي متر بر روز) نسبت به ديگر مدل ها داشته است. هم‌چنين، سناريوي هفتم عملكرد بالايي نسبت به بقيه سناريوها از خود نشان داد. لذا مي توان گفت كه افزايش ورودي مدل ها تا حدودي رابطه مستقيمي با دقت آن ها دارد. به‌طوركلي مي توان گفت كه مدل درختي M5P براي مدل سازي و پيش بيني بارش روزانه شهرستان سردشت مناسب بوده و براي استفاده هاي بعدي پيشنهاد مي‌شود.