مقایسه عملکرد روش کلاسیک رگرسیون خطی چندگانه و روش های داده کاوی نوین در مدل سازی بارش سالانه (مطالعه موردی: شهر اهواز)

پیش بینی متغیرهای هیدرولوژیکی به ویژه بارش اهمیت بسیار زیادی در مدیریت و برنامه ریزی منابع آبی داشته و به همین دلیل روش هایی که بتوانند برآوردی دقیق از آن داشته باشند همواره مورد توجه پژوهش گران بوده است. در این پژوهش مقایسه ای بین عملکرد روش کلاسیک رگرسیون خطی چندگانه و روش های داده کاوی نوین در مدل سازی بارش سالانه شهر اهواز انجام شده است. داده های هیدرولوژیکی مربوط به ایستگاه هواشناسی همدیدی اهواز در دوره زمانی 30 ساله (1371-1400) گردآوری شده و نسبت به کنترل کیفی داده ها با استفاده از آزمون های همگنی، روند، بهنجاری و ارزیابی داده های پرت اقدام شد. سپس جهت مدل سازی بارش از روش های رگرسیون خطی چندگانه (MLR)، تحلیل مولفه های اصلی (PCA)، برنامه نویسی بیان ژن (GEP) و ماشین بردار پشتیبان (SVM) استفاده شد. از 70 درصد داده ها جهت آموزش و از 30 درصد داده ها جهت صحت سنجی مدل ها استفاده شده و نتایج حاصل از اجرای مدل ها با استفاده از معیارهای ضریب تبیین (R2)، جذر میانگین مربعات خطاها (RMSE)، راندمان نش-ساتکلیف (NSE) و شاخص ویلموت (WI) مقایسه شدند. نتایج نشان داد که روش های تحلیل مولفه های اصلی و برنامه نویسی بیان ژن با معیار R2 برابر 0.85 و NSE برابر 0.85 و WI برابر 0.96 و اختلاف بسیار ناچیز در مقادیر RMSE به ترتیب برابر با 35.49 و  35.70 نسبت به سایر مدل ها عملکرد بهتر و دقت بیش تر در پیش بینی بارش سالانه اهواز دارند. با توجه به بحران آب در نقاط مختلف کشور و به ویژه اهواز پیشنهاد می شود با استفاده از روش های معرفی شده در این پژوهش نسبت به پیش بینی بارش ها و رواناب های ناشی از آن اقدام شود تا مدیریت جامع و مناسبی در زمینه توزیع آب اعمال شود.