نیما فربودفام - گروه عمران - آب، دانشکده فنی و مهندسی، واحد رودهن، دانشگاه آزاد اسلامی، رودهن، ایران
وحید نورانی - گروه عمران-آب، دانشکده عمران، دانشگاه تبریز، تبریز، ایران گروه عمران - آب، دانشکده فنی و مهندسی، واحد رودهن، دانشگاه آزاد اسلامی، رودهن، ایران
بابک امین نژاد - گروه عمران - آب، دانشکده فنی و مهندسی، واحد رودهن، دانشگاه آزاد اسلامی، رودهن، ایران

با توجه به نیاز شبیه سازی سری های زمانی بارش در مقیاس های مختلف برای مقاصد مهندسی از یک طرف و عدم ثبت این پارامترها در مقیاس های ریز بدلیل مشکلات اجرایی و اقتصادی از طرف دیگر، ریزمقیاس کردن بارش به مقیاس مورد نظر، یک امر ضروری می باشد. در این مطالعه، برای ریزمقیاس کردن سری زمانی بارش ایستگاه های تبریز و سهند، با توجه به ویژگی های غیرخطی مقیاس های زمانی، مدل ترکیبی موجک – حداقل مربعات ماشین بردار پشتیبان (WLSSVM) پیشنهاد شده و داده های سری زمانی ماهانه شش ایستگاه و روزانه چهار ایستگاه بارش حوضه آبریز دریاچه ارومیه، برای ۱۰ سال بوسیله تبدیل موجک به زیرسری های زمانی تجزیه شده و سپس با استفاده از معیارهای اطلاعات متقابل و ضریب همبستگی، زیرسری ها رتبه بندی شده و برای ریزمقیاس کردن سری زمانی ماهانه ایستگاه های تبریز و سهند به روزانه، زیرسری های برتر به عنوان داده های ورودی به مدل حداقل مربعات ماشین بردار پشتیبان (LSSVM) وارد شد. نتایج حاصل از مدل WLSSVM، با نتایج کاربرد روش LSSVM و روش کلاسیک رگرسیون چند متغیره خطی، مقایسه شد. در مجموع نتایج مدل WLSSVM نسبت به مدل های LSSVM و رگرسیون چند متغیره خطی برای اعتبارسنجی در حالت بهینه ایستگاه تبریز به ترتیب ۱۰% و ۳۷.۵% و در حالت بهینه ایستگاه سهند، به ترتیب ۲۴.۵% و ۴۶.۷% افزایش نشان داد. لذا ملاحظه گردید که روش WLSSVM نسبت به دو روش دیگر، دقت بالاتری داشته و به عنوان روشی مناسب جهت ریزمقیاس کردن سری های زمانی بارش پیشنهاد می گردد.

تبدیل موجک, حداقل مربعات ماشین بردار پشتیبان, ریزمقیاس کردن, سری های زمانی بارش, مدل ترکیبی