كليدواژه :
پيش بيني و تحليل آماري , خشكسالي و محيط زيست , نمايه بارش استاندارد شده , خشكسالي SPI
چكيده فارسي :
خشكسالي پديده اي طبيعي است كه به علت برهم كنش عوامل مختلف هواشناسي، داراي فرآيند پيچيده اي بوده و در همه شرايط اقليمي و در تمام مناطق كره زمين به وقوع مي پيوندد. لذا پيش بيني نمايه هاي خشكسالي و ارزيابي زماني آن ها، يكي از راه هاي موثر در مديريت بحران خشكسالي و تدوين طرح هايي به منظور كاهش اثرات آن به نظر مي رسد. در پژوهش حاضر، براي پيش بيني نمايه خشكسالي بارش استاندارد شده (SPI) در ايستگاه سينوپتيك تبريز در بازه زماني سال هاي 1358 تا 1391، از روش هاي رگرسيون بردار پشتيبان و رگرسيون خطي چندگانه استفاده گرديد. بدين منظور، براي پيش بيني نمايه SPI در دوره هاي 3، 6، 9، 12، 24 و 48 ماهه از شش تركيب متفاوت ورودي متشكل از مقادير متناظر قبلي همان نمايه استفاده گرديد. نتايج حاصل از تحليل پارامترهاي آماري نشان داد كه هر دو روش مورد مطالعه دقت مناسبي در پيش بيني نمايه هاي خشكسالي داشته اند ولي با اين وجود، روش رگرسيون بردار پشتيبان در پيش بيني نمايه هاي SPI-6، SPI-9 و SPI-24 به ترتيب با داشتن جذر ميانگين مربعات خطاي 4985/0، 4340/0 و 2427/0 عملكرد بهتري در مقايسه با رگرسيون خطي چندگانه داشته است. ولي در پيش بيني نمايه هاي SPI-3، SPI-12 و SPI-48، روش رگرسيون خطي چندگانه خطاي نسبي كم تري را نشان داد. با اين وجود، مي توان چنين نتيجه گيري نمود كه هر دو روش مورد مطالعه شامل رگرسيون بردار پشتيبان و خطي چندگانه پيش بيني هاي مناسبي از نمايه هاي خشكسالي داشته اند و مي توانند براي مديريت عواقب ناشي از پديده مذكور، با اطمينان قابل قبولي مورد استفاده قرار گيرند.
چكيده لاتين :
Drought is a natural phenomenon, which has a complex mechanism as a result of interactions of meteorological parameters and usually occurs in all climates. So, predicting drought indices and their chronological evaluation is an effective way for the drought management and adaptation with its consequences. In the current research, prediction of drought indices are carried out for Tabriz synoptic station, using support vector regression, multiple linear regression and standard precipitation index (SPI) for the time period of 1979 to 2012. In this regard, for predicting SPI indices in the periods of 3, 6, 9, 12, 24 and 48 months, six different input combinations including the antecedent correspondent values of the mentioned index have been utilized. The results of statistical analysis showed that both methods had significant accuracy. Nonetheless, the support vector regressions for predicting SPI-6, SPI-9 and SPI-24 had better performances, regarding the root mean squared errors of 0.4985, 0.4340 and 0.2427, respectively. However, the multiple linear regressions showed lower relative errors, for predicting SPI-3, SPI-12 and SPI-48. Meanwhile, it can be concluded that both examined methods including support vector and multiple linear regressions had acceptable predictions of drought index and can be used with an admissible confidentiality for the management of drought consequences.
