با توجه به واقع شدن ایران در اقلیم خشک و نیمهخشک و توزیع ناهمگن بارندگی، پیشبینی وقوع بارش از اهمیت ویژهای برخوردار است. از این رو، امروزه محققین با استفاده از روشهای نوین در پی شناخت و پیشبینی دقیق آن هستند. بنابراین، هدف از پژوهش حاضر، بررسی تواناییهای مدل درخت استدلالی (LMT) در پیشبینی وقوع بارش روزانه ایستگاه پارسآباد با استفاده از دادههای هواشناسی 1 تا 3 روز قبل است. برای این منظور، دادههای هواشناسی دوره 2004-2019 میلادی جمعآوری گردید و سه سناریو ترکیبی از پارامترهای هواشناسی برای واسنجی و صحتسنجی روش مورد مطالعه مد نظر قرار گرفت. نتایج نشان داد که دقت پیشبینی بهترین سناریو با استفاده از دادههای 2 روز قبل حدود 79 درصد بود، اما با استفاده از دادههای 1 و 3 روز قبل، بارش روزانه با دقت 80 درصد پیشبینی شد. در نهایت، با بررسی معیارهای ارزیابی، سناریو شماره یک با پارامترهای ورودی حداقل، حداکثر و متوسط رطوبت نسبی (درصد)، دما (درجه سانتی گراد)، مجموع ساعات آفتابی (ساعت) و سرعت باد (متر بر ثانیه) به عنوان دقیقترین سناریو برای پیشبینی بارش روزانه تعیین گردید.
Mikaeili F, Samadianfard S. Evaluating the capabilities of Logistic Model Tree in predicting the occurrence probability of daily precipitation. Journal of Rainwater Catchment Systems 2020; 8 (2) :33-42 URL: http://jircsa.ir/article-1-397-fa.html
تکمیل و ارسال فرم تعارض منافع نویسنده گرامی ، پس از ارسال مقاله ، جهت دریافت فرم، لطفا بر روی کلمه فرم تعارض منافع کلیک نمایید و پس از تکمیل، در فایل های پیوست مقاله قرار دهید.