ارزیابی کارایی مدل‌های مختلف خطی و غیرخطی در پیش‌بینی بارندگی ماهانه در تغییرات اقلیم استان همدان

در این پژوهش به منظور پیش‌بینی مقادیر ماهانه بارش از مدل‌های ماشین بردار پشتیبان (svm)، ماشین بردار پشتیبان تلفیق شده با تبدیل موجک (wsvm)،armax و arima استفاده گردید. لذا از سری زمانی ماهانه ایستگاه‌های باران‌سنجی واقع در استان همدان طی یک دوره 25 ساله (13701394) استفاده شد. این دوره 25 ساله به 17 سال برای آموزش، 4 سال برای واسنجی و 4 سال برای صحت‌سنجی مدل تقسیم شد. مقایسه آماری نتایج به کمک شاخص‌های ضریب همبستگی (r)، جذر میانگین مربعات خطا (rmse) و خطای استاندارد (se) صورت گرفت. نتایج نشان داد که به ترتیب مدل‌های arima، ماشین بردار پشتیبان، armax و ماشین بردار پشتیبان تلفیق شده با تبدیل موجک در رتبه‌های اول تا چهارم قرار دارند. همچنین مدل ماشین بردار پشتیبان دارای پارامترهای قابل تنظیم کمتری نسبت به مدل‌های دیگر می باشد. لذا این مدل با سهولت بیشتر و در زمان کمتری قادر به پیش‌بینی بارش بوده و از این نظر نسبت به سایر روش‌ها ارجحیت دارد.

Evaluation of the Efficiency of Linear and Nonlinear Models in Predicting Monthly Rainfall (Case Study: Hamedan Province)

In this research, we used the support vector machine (SVM), support vector machine combine with wavelet transform (WSVM), ARMAX and ARIMA models to predict the monthly values of precipitation. The study considers monthly time series data for precipitation stations located in Hamedan province during a 25year period (19982016). The 25year simulation period was divided into 17 years for training, 4 years for calibration and 4 years for validation. Statistical comparison of the results was done by using correlation coefficient (r), root mean square error (RMSE), and standard error (SE). Results showed that ARIMA, Support Vector Machines, ARMAX and support vector machine combine with wavelet transform were ranked first to forth, respectively. Furthermore, the support vector machine has fewer adjustable parameters than other models. So, the model is able to predict precipitation with greater ease and less time. For this reason, it is preferable to other methods.