ارزیابی راهبرد ترکیب مدل ها در افزایش دقت پیش بینی بارش پاییزه

Abstract

پیش بینی بارش پاییزه در برنامه ریزی های کشاورزی به ویژه امکان سنجی کشت دیم از اهمیت ویژه ای برخوردار است. در مطالعه حاضر، برای افزایش دقت پیش بینی بارش پاییزه از تکنیک ترکیب مدل ها استفاده شده است. به این منظور، بر اساس دو شاخص اقلیمی SOI و NINO 3.4 به عنوان متغیرهای پیش بینی کننده، پنج مدل شبکه عصبی مصنوعی، شبکه عصبی رگرسیون تعمیم یافته، رگرسیون بردار پشتیبان، K نزدیک ترین همسایگی و رگرسیون خطی با ساختار بهینه به عنوان مدل های منفرد پیش بینی کننده بارش اجرا شده اند. برای ترکیب مدل های مذکور از راهبرد وزن دهی رتبه بندی شده به مدل ها (OWA) استفاده شده که در آن، برای تعیین وزن مدل ها، دو روش Orness و Orlike مورد استفاده و ارزیابی قرار گرفتند. نتایج پیش بینی بارش در زیرحوضه سیمره از حوضه کرخه نشان می دهد که بارش پیش بینی شده با استفاده از راهبرد ترکیب مدل ها از دقت بیش تری نسبت به مدل های منفرد برخوردار است و روش Orlike در مقایسه با روش Orness، دقت پیش بینی ها را بیشتر افزایش می دهد. همچنین، مقایسه نتایج روش های راهبرد OWA با دو راهبرد ترکیب مدل ها با شبکه عصبی مصنوعی و راهبرد انتخاب بهترین مدل منفرد نشان می دهد که قابلیت هر دو روش Orness و Orlike برای بهبود دقت پیش بینی بارش، بیش از راهبرد های شبکه عصبی و بهترین مدل منفرد است.