پیش بینی فصلی خشکسالی هواشناسی با استفاده از ماشین های بردار پشتیبان

در تحقیقات مختلف، پارامترهای هواشناسی متفاوتی در پیش بینی دوره های کم بارش مورد توجه قرار گرفته اند. در این تحقیق نمایه بارش استاندارد شده (SPI) برای 6 سناریوی فصل (پاییز، زمستان، بهار، پاییز+ زمستان، زمستان+ بهار و پاییز تا بهار) محاسبه شده و متغیرهای هواشناسی پیش بینی کننده دمای هوا (در سطح 300، 500، 700 و 850 میلی بار) و ارتفاع ژئوپتانسیل (در سطح 300، 500، 700 و 850 میلی بار) در محدوده طول و عرض جغرافیایی 0 تا 60 درجه شمالی و 0 تا 90 درجه شرقی، در سالهای (1354-1386) برای پیش بینی پدیده خشکسالی هواشناسی مورد استفاده قرار گرفت. در این مدل پیش بینی، بازه زمانی پیش بینی کننده بین ماه های اکتبر تا آوریل برای SPI پیش بینی شده در همان بازه زمانی قرار دارد. نمایه بارش استاندارد شده در حوضه های مورد مطالعه (حوضه سدهای طالقان و ماملو) بر اساس بارش متوسط حوضه ها که به روش میانگین معکوس فاصله وزندار محاسبه شده، تخمین زده شده است. یکی از روش های یادگیری آماری با استفاده از ناظر به نام ماشین بردار پشتیبان (SVM) برای تدوین مدل پیش بینی SPI استفاده شد. با استفاده از تکنیک آماری مبتنی بر آنتروپی مشترک اطلاعات، نقاط موثر بر بارش حوضه سدهای تهران در فصل بهار بیشتر در جنوب، جنوب غربی و شمال غربی کشور و در فصل پائیز، شمال، شمال غربی و جنوب و در زمستان در شمال غربی و غرب کشور تشخیص داده شدند. نتایج مدل SVM در اکثر موارد پیش بینی، دقت مناسب داشت. این روش می تواند در پیش بینی رفتارهای غیرخطی داده های هواشناسی با طول دوره آماری کوتاه مورد استفاده قرار گیرد. این دقت برای دسته بندی SPI فصلهای پاییز و بهار بیشتر از سایر سناریوها است.