كاربرد مدل درختي M5 در پيش بيني خشكسالي (مطالعه ي موردي: مراغه، ايران)

Application of M5 Tree Model in Forecasting Drought (Case Study, Maragheh, Iran)

در كشورهاي خشك و نيمه خشكي مانند ايران، پيش‌بيني دقيق خشكسالي ها، نقش بسيار مهمي در مقابله با بحران ناشي از خشكسالي و مديريت سيستم‌هاي منابع آب ايفا مي‌كند. با توجه به اينكه شاخص بارندگي استاندارد شده (SPI) به عنوان يكي از مناسب-ترين شاخص براي تحليل خشكسالي شناخته شده است، در اين تحقيق، جهت پيش‌بيني SPI از مدل درختي M5 استفاده گرديد. بدين منظور از داده هاي بارش ماهانه ايستگاه همديدي مراغه در يك دوره ي 25 ساله (89-1365) استفاده و شاخص SPI در مقياس 6 ماهه استخراج گرديد. نـتايج نشان داد كه شهرسـتان مراغه در دو دهـه ي اخير با خشكسالي هاي پي در پي و شديدي مواجه بوده است. سپس با استفاده از مدل درختي M5 اقدام به پيش بيني مقادير شاخص SPI در مقياس‌ زماني 6 ماهه براي 1 تا 12 ماه آينده گرديد. نتايج به دست آمده نشان داد كه ميزان شاخص SPI در مقياس هاي زماني گذشته بيشترين تاثير را نسبت به پارامترهاي ديگر در پيش‌بيني شاخص بارش استاندارد شده دارد و با افزايش طول دوره ي پيش بيني از دقت مدت كاسته مي شود. به طوري كه در محاسبه SPI6 براي يك ماه آينده مقدار ضريب همبستگي حدود 94/0 به دست آمد كه اين مقدار براي 12 ماه آينده به حدود 40/0 كاهش پيدا كرد. با اين وجود نتايج نشان داد كه مدل درختي M5 با ارايه ي روابط خطي كاربردي و قابل فهم‌ از دقت و توانايي نسبتاً بالايي در پيش‌بيني خشكسالي برخوردار است.

Accurate prediction of droughts in arid and semi-arid countries, like Iran, have important role in water resources management and designing appropriate plans for coping with drought consequences. Since the standardized precipitation index (SPI) is known as a suitable index for drought analysis, in this study, we used the M5 rule tree model for forecasting SPI values. For this purpose, the monthly precipitation data of Maragheh synoptic station were used during a 25-year period for calculating SPI values at 6-month time scale (SPI-6). The results indicated that the Maragheh region was faced with successive and severe droughts in recent two decays. In the next step, the SPI-6 values were forecasted for next 1 to 12 months using M5 rule tree model. The results showed that the SPI-6 values in previous time steps had the most effect on forecasting the next SPI-6 values, and the forecasting accuracy decreases with increasing prediction length. So the correlation coefficient of forecasting SPI-6 for next month was obtained 0.94 which this value was decreased to about 0.40 for forecasting SPI-6 for next 12 months. However, the M5 rule tree model provides more understandable, applicable and simple linear relation in forecasting droughts and shows relatively good performance and accuracy.