پیش بینی بارش روزانه با استفاده از الگوریتم های تنبل و مدل های درختی (مطالعه موردی: ایستگاه سردشت)

بارش یکی از پارامترهای مهم اقلیم شناسی و سایر علوم جوی که از اهمیت بالایی در حیات بشری برخوردار است. پیش بینی بارش در مدیریت و هشدار این معضلات نقش مهمی بر عهده دارد. از طرفی دیگر، عملکرد مطلوب الگوریتم های تنبل و مدل های درختی باعث افزایش استفاده از آنها برای پیش بینی پدیده های مختلف هیدرولوژیکی شده است. لذا در این پژوهش، چهار مدل M۵P ،LWL ،KSTAR و RF برای پیش بینی بارش روزانه ایستگاه سردشت به کار گرفته شده و از هفت پارامتر ورودی برای مدلها استفاده گردید. نتایج به دست آمده نشان داد که مدل درختی M۵P در سناریو هفتم بهترین عملکرد را با بیشترین ضریب همبستگی (۰/۷۳۴)، نسبت به دیگرمدل ها داشته است. همچنین سناریو هفتم عملکرد بالایی نسبت به بقیه سناریوها از خود نشان داد. به طورکلی می توان گفت که مدل مدل درختی M۵P برای مدل سازی و پیش بینی بارش روزانه شهرستان سردشت مناسب بوده و برای استفاده های بعدی پیشنهاد می گردد.