ارزیابی کارایی سامانه همادی چندگانه برای بهبود مهارت پیش بینی مدل های عددی بارش

زمان پیشهشدار و دقت پیش بینی های بارندگی اثر قابل ملاحظه ای بر سیستم های پیش بینی و هشدار سیلاب دارند. کاربرد پیش بینی های همادی بارندگی مستخرج از مدل های عددی بارش به دلیل تاثیری که بر افزایش زمان پیش هشدار سیلاب دارند، توسعه یافته است. هدف این تحقیق، بهبود مهارت پیش بینی مدل های عددی بارش توسط تکنیک های پس پردازش است. بدین ترتیب پیش بینی همادی بارندگی سه مدل هواشناسی NCEP، UKMO و KMA برای شش رویداد بارش مولد سیلاب در حوضه دز استخراج گردید. جهت پس پردازش پیش بینی های همادی بارش از رویکردهای آماری و مدل داده محور استفاده شد. بدین منظور، پیش بینی خام هر مدل منفرد با استفاده از مدل های رگرسیونی خطی و توانی تصحیح گردید. سپس خروجی تصحیح شده مدل های منفرد توسط مدل پیشنهادی کنترل گروهی داده ها (GMDH) ترکیب شدند. نتایج نشان داد برای اصلاح پیش بینی های خام، عملکرد مدل های توانی بهتر از خطی است. پس از تصحیح برونداد مدل ها، نتایج دقیق تری با استفاده از مدل های NCEP و UKMO به دست آمد. همچنین، سامانه همادی چندگانه ساخته شده توسط مدل GMDH اثر قابل ملاحظه ای بر مهارت پیش بینی مدل های عددی بارش داشت، به گونه ای که معیارهای ارزیابی نش-ساتکلیف و خطای نرمال شده به طور متوسط 23% و 11% نسبت به مدل های توانی بهبود یافتند. ارزیابی مقایسه ای قابلیت تفکیک پذیری مدل های همادی چندگانه با مدل های منفرد توسط منحنی ROC در دو سطح آستانه 5/2 و 10 میلی متر بیانگر توانایی تفکیک پذیری بالاتر مدل های همادی چندگانه در هر دو سطح آستانه بارش بود. پیش بینی-های پس پردازش شده بارندگی همادی به عنوان یک ورودی قابل اعتماد برای مدل های هیدرولوژیکی جهت پیش بینی وقایع حدی به کار می آید.