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

بارش یکی از مهم ترین عوامل مورد استفاده در مطالعات منابع طبیعی، آب، هواشناسی و غیره است. تشخیص پیش بینی پذیری و شناخت عوامل تاثیرگذار بر فرآیند بارش با توجه به نوسان ها و بی نظمی های موجود در سری زمانی بارش اهمیت دارد. این تحقیق با روش های سامانه استنتاج
فازی- عصبی تطبیقی (ANFIS) و ماشین بردار پشتیبان(SVM) بارش ماهانه شهر گنبدکاووس را الگوسازی کرده است. داده های مورد استفاده مربوط به سال های 2012- 1995 است. 2 سری ورودی (ماهانه) شامل: 1- میانگین دما و رطوبت، سرعت باد و فشار 2- مقادیر متوسط بارش ماهانه ایستگاه های 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 به ترتیب برابر 91/0 و 59/5 و در روش ANFIS برابر 87/0 و 06/7 است. تحلیل حساسیت نشان داد که رطوبت نسبی مهم ترین متغیرهواشناسی در پیش بینی بارندگی است. سه متغیردیگر تاثیر 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.