مقایسه تطبیقی مدل های داده کاوی در ریزمقیاس نمایی بارش و دما (مطالعه موردی : حوضه آبخیز بازفت صمصامی)

سابقه و هدف : دما و بارش به عنوان دو متغیر مهم هواشناسی، خصوصاً در مناطق خشک و نیمه خشک مطرح هستند. در نتیجه، تعیین مقدار این متغیرها، تغییرات آن ها و پیش بینی این پدیده ها به منظور برنامه ریزی دقیق تر در مدیریت بخش های کشاورزی، اقتصادی و اجتماعی، ضروری می باشد. امروزه عدم تطابق مقیاس مکانی و زمانی مورد نیاز در مدل های بررسی کننده تأثیر تغییر اقلیم با خروجی مدل های GCM و نیاز به بررسی روند تغییر در متغیرهای حدی هواشناسی در مقیاس منطقه ای، باعث شده است تا روش های ریز مقیاس نمایی مختلفی توسعه یابند. از این رو هدف از این تحقیق، مقایسه تطبیقی مدل های داده کاوی در ریزمقیاس نمایی بارش و دما براساس داده های مدل گردش عمومی NCEP است. مواد و روش ها: منطقه مورد مطالعه در این تحقیق، حوضه آبخیز بازفت صمصامی است. این حوضه، یکی از زیرحوضه‌های کارون شمالی است که در شمال غربی استان چهارمحال و بختیاری واقع شده است. ایستگاه های باران سنجی و هیدرومتری مرغک در خروجی آن واقع شده است. در این پژوهش، کارایی چهار روش درخت تصمیم (M5)، نزدیک‌ترین همسایه (KNN)، روش پرسپترون چندلایه (MLP) و رگرسیون خطی ساده (SLR) برای مدل‌سازی بارش و دمای ماهانه ایستگاه مرغک در دوره آموزش 1990-1971 و دوره آزمون 1991-2000 با استفاده از پارامترهای خروجی NCEP مورد ارزیابی قرار گرفت. یافته ها: نتایج مدل سازی بارش ماهانه با استفاده از مدل های مذکور نشان داد که خروجی همه مدل ها به جز مدلKNN ، مقادیر منفی را برای بارش ارائه می کنند. پیش‌بینی بارش توسط مدل درخت تصمیم در ماه‌های میلادی ژانویه، مارس، آوریل و دسامبر، دارای میانگین کمتری نسبت به مقادیر مشاهده شده (P) است. این وضعیت در سایر مدل ها نیز تا حدودی مشاهده می شود. همچنین با توجه به این که حد پایین بارش صفر است، از کم بودن مقادیر پیش‌بینی شده نسبت به مقادیر مشاهده شده می‌توان نتیجه گرفت که مقادیر حدی بیشینه بارش با این مدل‌ها به خوبی پیش‌بینی نشده است. پیش بینی بارش توسط همه مدل ها در همه ماه ها به جز ماه مه، دارای انحراف معیار کمتری نسبت به مقادیر مشاهده شده (P) است. نتایج پیش بینی دمای ماهانه نیز نشان داد که تنها خروجیMLP ، مقادیر منفی را برای دمای ماهانه ارائه می کند که این می تواند به دلیل خاصیت برون یابی و تعمیم در روش پرسپترون چند لایه باشد. همچنین انحراف معیار به دست آمده از تمامی مدل ها در ماه های ژانویه، فوریه، مارس، آوریل، ژوئیه، اوت، اکتبر، نوامبر و دسامبر بیشتر از انحراف معیار دمای مشاهده شده است. نتایج تحلیل های آماری نیز نشان داد که مدل درخت تصمیم در مرحله آزمون با توجه به معیارهای ریشه میانگین مربعات خطا، میانگین خطای اریب و ضریب همبستگی نسبت به مدل های دیگر، برآورد بهتری برای بارش و دمای ماهانه داشته است. اگرچه نتایج ضریب تعیین این مدل در مرحله آزمون برای برآورد دمای ماهانه، ضعیف تر از بارش ماهانه می باشد. نتیجه گیری: نتایج بررسی کارایی چهار مدل KNN، M5، SLR و MLP در مدل‌سازی بارش و دمای ماهانه ایستگاه هواشناسی مرغک با داده‌های خروجی مدل NCEP، حاکی از ضعف این مدل‌ها در ریزمقیاس نمایی بارش و دمای ماهانه بود. بنابراین با وجود برتری نسبی مدل درخت تصمیم M5 نسبت به سایر مدل ها، استفاده از مدل های داده کاوی مذکور برای پیش بینی بارش و دما در ایستگاه مرغک توصیه نمی شود.