بررسي اثرات بارورسازي ابرها بر افزايش بارش به كمك روش رگرسيون تاريخي و تكنيك‌هاي داده‌كاوي

علوم و مهندسي آبخيزداري گرايش آبخيزداري شهري

3/5/2017 12:00:00 AM

يكي از مشكلات و معضلات قرن جديد مسئله كمبود آب است. ايران به ‌لحاظ موقعيت جغرافيايي و ويژگي‌هاي خاص اقليمي، از سرزمين¬هاي خشك و نيمه¬خشك جهان محسوب مي¬شود كه با محدوديت منابع آبي و مشكلات خشكسالي روبه‌رو است. تكنيك بارورسازي ابرها يكي از راهكارهاي عملي كاهش اثرات خشكسالي و افزايش منابع آبي مي¬باشد. در اين پژوهش به‌منظور ارزيابي نتايج باروري‌ ابرها، ابتدا با استفاده از مدل‌هاي رگرسيون تاريخي، رگرسيون چند ‌متغيره و تكنيك‌هاي داده‌كاوي نظير شبكه ‌عصبي‌ مصنوعي، K نزديك‌ترين همسايه، رگرسيون خطي، فرآيند گوسي، ماشين‌بردار پشتيبان و ماشين‌بردار پشتيبان تكاملي مقدار بارندگي در ماه‌هاي ژانويه، مارس، آوريل و دسامبر پيش‌بيني و سپس مورد ارزيابي قرار گرفت. بر اساس نتايج به دست آمده در روش رگرسيون تاريخي، در ماه ژانويه در سال‌هاي 2007 و 2013 درصد تغييرات بارش منفي به دست آمده است. در همين ماه بارش واقعي سال‌هاي 2009 و 2010 در بين محدوده اطمينان قرار گرفته‌ و نمي‌توان در مورد تغييرات بارش قضاوت كرد. ارزيابي ماه مارس نشان داد كه درصد تغييرات بارش در سال 2007 را نمي‌توان به‌طور يقين نتيجه باروري ابرها دانست. بارش سال‌هاي 2009 و 2013 به ترتيب 29/42 و 71/39 درصد افزايش داشته است. در ماه آوريل در سال‌هاي 2007 و 2010 تغييرات بارش را نمي‌توان به باروري ابرها نسبت داد. درصد افزايش بارش در طي سال‌هاي 2009 و 2013 به ترتيب 85/65 و 46/41 درصد مي‌باشد. در ماه دسامبر درصد افزايش بارش سال‌هاي 2006، 2009 و 2012 به ترتيب 15/62، 17/44 و 73/34 مي‌باشد. در مرحله بعد در هر ماه بين مدل‌هاي داده‌كاوي مقايسه‌ صورت گرفت و بهترين مدل جهت پيش‌بيني بارش تعيين شد كه نتايج آن نشان داد در ماه ژانويه مدل شبكه‌ عصبي ‌مصنوعي با ميزان جذر ميانگين مربعات خطا برابر 011/0 ميلي‌متر و هم‌بستگي 99/0 درصد دقيق‌ترين مدل مي‌باشد. در ماه مارس، آوريل و دسامبر مدل فرآيند گوسي با مقدار جذر ميانگين مربعات خطا به ترتيب 43/3، 4/3 و 76/2 ميلي‌متر به‌عنوان بهترين مدل جهت پيش‌بيني بارش تعيين شد. به‌طوركلي بر اساس نتايج به دست آمده مدل‌هاي داده‌كاوي در مقايسه با رگرسيون‌ تاريخي و رگرسيون چند ‌متغيره با دقت بالاتري ميزان بارندگي را پيش‌بيني مي‌كند. همچنين نتايج ارزيابي‌ها بيانگر اين بود كه با مدل‌هاي داده‌كاوي و رگرسيون چندمتغيره نمي‌توان درصد تغييرات بارش را مورد ارزيابي و قضاوت قرار‌ داد.

76212

دانشگاه اردکان

فتح‌زاده علي Fathzadeh Ali