ارزیابی عملکرد روش‌‌های داده محور در مدل‌سازی بارش ماهانه مشهد

بارش همواره از مهم‌ترین اجزاء چرخه آب شناخته شده است و نقش بسیار مهمی در تامین منابع آبی مورد نیاز دارد؛ از این‌رو پیش‌‌آگاهی از میزان بارش در برنامه‌ریزی مدیریت منابع آب تاثیر بسزایی دارد. در این تحقیق میزان کارایی روش‌های رگرسیون بردار پشتیبان و رگرسیون فرآیند گاوسی در پیش‌بینی 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. مدل‌ها توسط آماره‌های ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین خطای مطلق ارزیابی شدند. نتایج نشان‌دهنده کارایی بالای هر دو روش بررسی شده در این زمینه و برتری نسبی روش رگرسیون فرآیند گاوسی با ارائه مقادیر (0/87= r، 0/74=n_s، (mm) 12/37=rmse و (mm) 7/85=mae) بود. با بررسی نمودار سری زمانی مقادیر محاسباتی و مشاهداتی بارش ماهانه مشهد مشاهده شد که روش رگرسیون فرآیند گاوسی توانایی بیشتری در پیش‌بینی مقادیر بیشینه بارش ماهانه داشته و در اکثر موارد پیش‌بینی‌های دقیق‌تری در مقادیر بارش ماهانه بیشینه ارائه کرده که این مورد در پیش‌بینی وقوع سیلاب‌ها بسیار مهم و کاربردی است.