ارزيابي كارايي سامانه همادي چندگانه براي بهبود مهارت پيش بيني مدل هاي عددي بارش

زمان پيش هشدار و دقت پيش‌بيني‌هاي بارندگي اثر قابل ملاحظه‌اي بر سيستم‌هاي پيش‌بيني و هشدار سيلاب دارند. هدف اين پژوهش، بهبود مهارت پيش‌بيني مدل‌هاي عددي بارش توسط تكنيك‌هاي پس‌پردازش است. بديندر اين راستا، پيش‌بيني همادي بارندگي سه مدل هواشناسي NCEP، UKMO و KMA براي شش رويداد بارش مولد سيلاب در حوضه دز استخراج گرديد. جهت پس‌پردازش پيش‌بيني‌هاي همادي بارش از رويكردهاي آماري و مدل داده محور استفاده شد. بدين‌منظور، پيش‌بيني خام هر مدل منفرد با استفاده از مدل‌هاي رگرسيوني خطي و تواني تصحيح گرديد. سپس خروجي‌ تصحيح شده مدل‌هاي منفرد توسط مدل پيشنهادي كنترل گروهي داده ها (GMDH) تركيب شدند. نتايج نشان داد براي اصلاح پيش‌بيني‌هاي خام، عملكرد مدل‌هاي تواني بهتر از خطي است. پس از تصحيح برونداد مدل‌ها، نتايج دقيق‌تري با استفاده از مدل‌هاي NCEP و UKMO به دست آمد. همچنين، سامانه همادي چندگانه ساخته شده توسط مدل GMDH اثر قابل‌ ملاحظه‌اي بر مهارت پيش‌بيني مدل‌هاي عددي بارش داشت، به‌گونه‌اي كه معيارهاي ارزيابي نش-ساتكليف و خطاي نرمال شده به طور متوسط 23% و 11% نسبت به مدل‌هاي تواني بهبود يافتند. ارزيابي مقايسه‌اي قابليّت تفكيك‌پذيري مدل‌هاي همادي چندگانه با مدل‌هاي منفرد توسط منحني ROC در دو سطح آستانه 2/5 و 10 ميلي‌متر بيانگر توانايي تفكيك‌پذيري بالاتر مدل‌هاي همادي چندگانه در هر دو سطح آستانه بارش بود. پيش بيني-هاي پس پردازش شده بارندگي همادي به‌عنوان يك ورودي قابل اعتماد براي مدل‌هاي هيدرولوژيكي جهت پيش‌بيني وقايع حدي به كار مي‌آيد.