بنفشه زهرایی - قطب علمی مهندسی و مدیریت زیرساخت، دانشگاه تهران
عباس روزبهانی - دانشکده مهندسی عمران، دانشگاه تهران

مطالعه ی تغییرات اقلیمی و شناسایی متغیرهای مختلف آب و هوایی (ازجمله بارش) کمک شایانی به پیش بینی این گونه متغیرها می کند. بیان ارتباط سیگنال های بزرگ مقیاس اقلیمی مثل دمای سطح دریا (SST) و متغیرهای مهم هیدرولوژیکی مثل بارندگی ازجمله تحقیقات صورت گرفته در سال های اخیر است. در این نوشتار روشی نوین با عنوان K_Meansاصلاح شده برای خوشه بندی ارائه شده است. برای بررسی کارایی مدل پیشنهادی از مطالعه ی موردی بر روی استان سیستان و بلوچستان، واقع در منطقه ی جنوب شرق ایران، استفاده شده است. در این مطالعه از اطلاعات بارش ۲۰ ایستگاه مختلف این استان استفاده شده است و خوشه بندی سیگنال هواشناسی SST در مناطق جغرافیایی منتخب در دریای عمان، دریای عرب و اقیانوس هند با توجه به تغییرات بارش این ایستگاه ها صورت گرفته است. استفاده از روش K_Means اصلاح شده برای خوشه بندی سیگنال های هواشناسی و ارائه ی الگوریتمی پویا برای بیان ارتباط بارش منطقه مورد مطالعه در زمان های مختلف با الگوهای خوشه بندی زمان مکان از نوآوری های این تحقیق محسوب می شود.

خوشه بندی, سیگنال های هواشناسی, K_Means اصلاح شده, خوشه بندی ژنتیک, دمای سطح دریا SST