ارزیابی مدل های داده کاوی در ریزمقیاس نمایی بارش براساس داده های مدل گردش عمومی NCEP

طی سال های اخیر روش های زیادی برای ریزمقیاس نمایی متغیرهای هواشناسی از داده های بزرگ مقیاس مدل های گردش های عمومی جو ارائه شده است. در این پژوهش کارایی سه روش ماشین بردار پشتیبان (SVM)، درخت تصمیم (M5) و نزدیکترین k-همسایگی KNN)) از مدل های داده کاوی در ریزمقیاس نمایی بارش، به کمک پارامترهای خروجی مدل گردش عمومی جو NCEP در ایستگاه کرمانشاه بررسی شد. در دوره آماری 1991-1961 بارش روزانه ایستگاه کرمانشاه و پارامترهای خروجی NCEP مدل سازی شد و نتایج آن ها برای دوره آماری 2001-1992 آزمایش شد. نتایج این بررسی نشان داد که بارش شبیه سازی شده با هر یک از مدل های داده کاوی، دارای میانگین و انحراف معیار کمتری نسبت به داده های مشاهداتی هستند و مقادیر حدی را نمی توانند به خوبی پیش بینی کنند. با این وجود روش نزدیک ترین همسایگی نسبت به دیگر روش ها نتایج بهتری را ارائه کرد.