مقایسه الگوسازی بارندگی ماهانه با مدل‌های SVM و ANFIS (مطالعه موردی: شهرگنبدکاووس)

آب و خاک

مقاله 11، دوره 30، شماره 1 - شماره پیاپی 45، 1395، صفحه 236-246   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v30i1.37346

نویسندگان

نسرین ضابط پیشخانی¹؛ سید مرتضی سیدیان^{* 1}؛ علی حشمت پور²؛ حامد روحانی¹

¹دانشگاه گنبدکاووس

²دانشگاه گنبد کاووس

چکیده

بارش یکی از مهم‌ترین عوامل مورد استفاده در مطالعات منابع طبیعی، آب، هواشناسی و غیره است. تشخیص پیش‌بینی‌پذیری و شناخت عوامل تأثیرگذار بر فرآیند بارش با توجه به نوسان ها و بی نظمی های موجود در سری زمانی بارش اهمیت دارد. این تحقیق با روش‌های سامانه استنتاج
فازی- عصبی تطبیقی (ANFIS) و ماشین‌ بردار پشتیبان(SVM) بارش ماهانه شهر گنبدکاووس‌ را الگوسازی کرده است. داده‌های مورد استفاده مربوط به سال‌های 2012- 1995 است. 2 سری ورودی (ماهانه) شامل: 1- میانگین دما و رطوبت، سرعت باد و فشار 2- مقادیر متوسط بارش ماهانه ایستگاه‌های آبسنجی استان گلستان در نظر گرفته شد. نتایج نشان داد اگرچه دقت SVM بیشتر از ANFIS است، اما پیش بینی بارندگی با پارامترهای هواشناسی توسط هر دو مدل دارای دقت کمی است. نتایج پیش بینی بارش با بارندگی ایستگاه های منطقه برای هر دو روش قابل قبول است. ضریب تعیین و خطای RMSE در مرحله آزمون در روش SVM به‌ترتیب برابر 91/0 و 59/5 و در روش ANFIS برابر 87/0 و 06/7 است. تحلیل حساسیت نشان داد که رطوبت نسبی مهم‌ترین متغیرهواشناسی در پیش بینی بارندگی است. سه متغیردیگر تأثیر یکسانی بر نتایج دارند. همچنین موثرترین ایستگاه در پیش بینی بارندگی تعیین شد. این پژوهش نشان داد که SVM عملکرد بهتری نسبت به ANFIS در پیش بینی بارندگی داشته است.

کلیدواژه‌ها

ایستگاه های بارندگی؛ پارامترهای هواشناسی؛ تحلیل حساسیت؛ هوش مصنوعی

مراجع