Introducing a Nonlinear Model Based on Hybrid Machine Learning for Modeling and Prediction of Precipitation and Comparison with SDSM Method (Cases Studies: Shahrekord, Barez, and Yasuj)
Message:
Abstract:

In the present study, a nonlinear hybrid model, based on multivariate adaptive regression splines (MARS), artificial neural networks (ANN) and K-nearest neighbor (KNN) has been presented for downscaling the precipitation of Shahrekord, Barez, and Yasuj under climate change conditions. This model, similar to SDSM, is composed of two steps; classification and regression. The MARS model is employed for classification of precipitation occurrence and the ANN and KNN are employed for determination of the amount of precipitation. The results of MARS showed that the mentioned model is more accurate than the SDSM model. Comparing the results of downscaled precipitation showed that the ANN model is more accurate than the SDSM and KNN in prediction of average annual and monthly precipitation. So that the R value for ANN was 54% more than the one in SDSM model, in Shahrekord. Also, according to the highest accuracy, standard deviation and skewness coefficient, the ANN, KNN and SDSM model ranked first, second, and third, respectively, for prediction of monthly average precipitation in three investigated stations. Eventually, the precipitation changes in the near future (2020-2040) and far future (2070-2100) periods were investigated under the A2 and B2 scenarios of the HADCM3 model. Results revealed that the lowest precipitation reduction is corresponded to ANN (in Shahrekord) and A2 scenario in the near future period and the highest precipitation reduction is corresponded to SDSM (in Yasuj) and A2 scenario in the far future period. Finally, it can be concluded that the proposed model is more accurate than the SDSM model and can be used as an alternative to the SDSM model.

Article Type:
Case Study
Language:
Persian
Published:
Iranian Journal of Soil and Water Research, Volume:51 Issue: 2, 2020
Pages:
325 - 339
magiran.com/p2139353  
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 400,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
پرداخت با کارتهای اعتباری بین المللی از طریق PayPal امکانپذیر است.
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
توجه!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.