کاربرد مدل درختی M5 در پیش بینی خشکسالی (مطالعه ی موردی: مراغه، ایران) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
در کشورهای خشک و نیمه خشکی مانند ایران، پیش بینی دقیق خشکسالی ها، نقش بسیار مهمی در مقابله با بحران ناشی از خشکسالی و مدیریت سیستم های منابع آب ایفا می کند. با توجه به اینکه شاخص بارندگی استاندارد شده (SPI) به عنوان یکی از مناسب ترین شاخص برای تحلیل خشکسالی شناخته شده است، در این تحقیق، جهت پیش بینی SPI از مدل درختی M5 استفاده گردید. بدین منظور از داده های بارش ماهانه ایستگاه همدیدی مراغه در یک دوره ی 25 ساله (89-1365) استفاده و شاخص SPI در مقیاس 6 ماهه استخراج گردید. ن تایج نشان داد که شهرس تان مراغه در دو ده ه ی اخیر با خشکسالی های پی در پی و شدیدی مواجه بوده است. سپس با استفاده از مدل درختی M5 اقدام به پیش بینی مقادیر شاخص SPI در مقیاس زمانی 6 ماهه برای 1 تا 12 ماه آینده گردید. نتایج به دست آمده نشان داد که میزان شاخص SPI در مقیاس های زمانی گذشته بیشترین تأثیر را نسبت به پارامترهای دیگر در پیش بینی شاخص بارش استاندارد شده دارد و با افزایش طول دوره ی پیش بینی از دقت مدت کاسته می شود. به طوری که در محاسبه SPI6 برای یک ماه آینده مقدار ضریب همبستگی حدود 94/0 به دست آمد که این مقدار برای 12 ماه آینده به حدود 40/0 کاهش پیدا کرد. با این وجود نتایج نشان داد که مدل درختی M5 با ارایه ی روابط خطی کاربردی و قابل فهم از دقت و توانایی نسبتاً بالایی در پیش بینی خشکسالی برخوردار است.Application of M5 Tree Model in Forecasting Drought (Case Study, Maragheh, Iran)
Accurate prediction of droughts in arid and semi-arid countries, like Iran, have important role in water resources management and designing appropriate plans for coping with drought consequences. Since the standardized precipitation index (SPI) is known as a suitable index for drought analysis, in this study, we used the M5 rule tree model for forecasting SPI values. For this purpose, the monthly precipitation data of Maragheh synoptic station were used during a 25-year period for calculating SPI values at 6-month time scale (SPI-6). The results indicated that the Maragheh region was faced with successive and severe droughts in recent two decays. In the next step, the SPI-6 values were forecasted for next 1 to 12 months using M5 rule tree model. The results showed that the SPI-6 values in previous time steps had the most effect on forecasting the next SPI-6 values, and the forecasting accuracy decreases with increasing prediction length. So the correlation coefficient of forecasting SPI-6 for next month was obtained 0.94 which this value was decreased to about 0.40 for forecasting SPI-6 for next 12 months. However, the M5 rule tree model provides more understandable, applicable and simple linear relation in forecasting droughts and shows relatively good performance and accuracy.