ارزیابی راهبرد ترکیب مدل ها در افزایش دقت پیش بینی بارش پاییزه

پیش بینی بارش پاییزه در برنامه ریزی های کشاورزی به ویژه امکان سنجی کشت دیم از اهمیت ویژه ای برخوردار است. در مطالعه حاضر، برای افزایش دقت پیش بینی بارش پاییزه از تکنیک ترکیب مدل ها استفاده شده است. به این منظور، بر اساس دو شاخص اقلیمی SOIو NINO 3.4به عنوان متغیرهای پیش بینی کننده، پنج مدل شبکه عصبی مصنوعی، شبکه عصبی رگرسیون تعمیم یافته، رگرسیون بردار پشتیبان، Kنزدیک ترین همسایگی و رگرسیون خطی با ساختار بهینه به عنوان مدل های منفرد پیش بینی کننده بارش اجرا شده اند. برای ترکیب مدل های مذکور از راهبرد وزن دهی رتبه بندی شده به مدل ها (OWA)استفاده شده که در آن، برای تعیین وزن مدل ها، دو روش Ornessو Orlikeمورد استفاده و ارزیابی قرار گرفتند. نتایج پیش بینی بارش در زیرحوضه سیمره از حوضه کرخه نشان می دهد که بارش پیش بینی شده با استفاده از راهبرد ترکیب مدل ها از دقت بیش تری نسبت به مدل های منفرد برخوردار است و روش Orlikeدر مقایسه با روش Orness، دقت پیش بینی ها را بیشتر افزایش می دهد. همچنین، مقایسه نتایج روش های راهبرد OWAبا دو راهبرد ترکیب مدل ها با شبکه عصبی مصنوعی و راهبرد انتخاب بهترین مدل منفرد نشان می دهد که قابلیت هر دو روش Ornessو Orlikeبرای بهبود دقت پیش بینی بارش، بیش از راهبرد های شبکه عصبی و بهترین مدل منفرد است.