ارزیابی عملکرد روش های داده محور در مدل سازی بارش ماهانه مشهد

بارش همواره از مهم ترین اجزاء چرخه آب شناخته شده است و نقش بسیار مهمی در تامین منابع آبی مورد نیاز دارد؛ از این رو پیش آگاهی از میزان بارش در برنامه ریزی مدیریت منابع آب تاثیر بسزایی دارد. در این تحقیق میزان کارایی روش های رگرسیون بردار پشتیبان و رگرسیون فرآیند گاوسی در پیش بینی بارش ماهانه شهر مشهد با استفاده از پارامترهای هواشناسی مختلف بررسی شد و نتایج نشان داد بهترین ترکیب پارامتر ورودی شامل شاخص ماهانه،‏ میانگین رطوبت نسبی،‏ میانگین بیشینه رطوبت نسبی،‏ اختلاف میانگین دمای کمینه و بیشینه و بارش در ماه قبل بود. مدل ها توسط آماره های ضریب همبستگی،‏ ریشه میانگین مربعات خطا و میانگین خطای مطلق ارزیابی شدند. نتایج نشان دهنده کارایی بالای هر دو روش بررسی شده در این زمینه و برتری نسبی روش رگرسیون فرآیند گاوسی با ارائه مقادیر (87 /0= R،‏ 74 /0=N_S،‏ (mm) 37 /12=RMSE و (mm) 85 /7=MAE) بود. با بررسی نمودار سری زمانی مقادیر محاسباتی و مشاهداتی بارش ماهانه مشهد مشاهده شد که روش رگرسیون فرآیند گاوسی توانایی بیشتری در پیش بینی مقادیر بیشینه بارش ماهانه داشته و در اکثر موارد پیش بینی های دقیق تری در مقادیر بارش ماهانه بیشینه ارائه کرده که این مورد در پیش بینی وقوع سیلاب ها بسیار مهم و کاربردی است.