پیش‏ بینی رخداد بارش‏ سنگین منطقه ای در جنوب غربی ایران با استفاده از متغیرهای همدیدی و روش های داده‏ کاوی

پیش بینی کوتاه مدت بارش‏های سنگین اهمیت ویژه‏ای در هشدار سیل و به حداقل رساندن آسیب‏های ناشی از آن دارد. در این مطالعه، تعریف جدیدی از بارش سنگین منطقه ای برپایه الگوی احتمالاتی رگبارها ارایه شد. برای این منظور از داده های بارش روزانه (2018-1987) مربوط به 12 ایستگاه همدید در جنوب غرب ایران استفاده شد. به علاوه، شش متغیر همدیدی در ترازهای 1000 تا 200 هکتوپاسکال مربوط به یک تا پنج روز قبل از بارش سنگین (که گستره وسیعی در خارج منطقه مطالعاتی را پوشش می دهند) به عنوان پیش بینی گر مورداستفاده قرار گرفت. برای اجرای این پژوهش از چهار روش انتخاب متغیر و ده مدل یادگیری ماشین از نوع طبقه بندی کننده دودویی استفاده شد. نتایج نشان داد که به منظور تشخیص بارش‏های سنگین از غیر سنگین، بهترین حالت استفاده از داده‏های تا چهار روز پیش از رخداد بارش است. همچنین، از بین چهار روش انتخاب متغیر، روش‏های Chi-Square و Extra Tree برCorrelation  و Random Forest  برتری دارند. در نتیجه این مطالعه مشخص شد که مدل Random Forest با روش انتخاب متغیر Chi-Square بالاترین کارایی در پیش بینی بارش‏های سنگین در منطقه مطالعاتی را دارد. متغیرهای همدیدی مناسب برای پیش بینی بارش سنگین شامل رطوبت نسبی و رطوبت ویژه 1-2 روز قبل و باد برداری 2-4 روز قبل از رخداد بودند.