جمیل امان اللهی

رعد و برق از شدیدترین مخاطرات آب وهوایی است که هرساله به خسارت اقتصادی – اجتماعی و زیست محیطی فراوانی منجر می شود. پیش بینی رعد و برق به علّت گسترش فضایی و زمانی آب وهوا به صورت فیزیکی یا دینامیکی بسیار دشوار است؛ بنابراین پیش بینی به موقع و ارزیابی بهترین مدل داده کاوی در کاهش آسیب و خسارت مؤثّر است. در پژوهش حاضر، از داده های سال 1390 تا 1396 ایستگاه هواشناسی رشت استفاده شد. متغیّر وابسته وقوع و عدم وقوع رعد و برق در طی هفت سال و متغیّرهای مستقل عوامل مؤثّر بر رعد و برق شامل دما، رطوبت نسبی، ابرناکی، سرعت باد، جهت باد، فشار هوا و رعد و برق در روز گذشته است. پس از پیش پردازش و پردازش داده ها از مدل های داده کاوی شامل درخت های کارت، چاید، سی فایو و شبکه عصبی پرسپترون چندلایه، تابع پایه ای شعاعی و ماشین بردار پشتیبان در نرم افزار اِس.پی.اِس.اِس مودلر ورژن 20 استفاده شد. نتایج حاصل از مدل ها با معیارهای مقایسه ای و منحنی راک مقایسه شد. با توجّه به نتایج به دست آمده از مدل ها، احتمال وقوع رعد و برق در آینده در ماه های اردیبهشت، خرداد و تیر نسبت به سایر ماه ها حداکثر است و میزان وقوع از فصل بهار تا زمستان روند کاهشی دارد و در فصل زمستان، به حداقل مقدار خود می رسد و ازمیان مدل های پیش بینی کننده، درخت چید با میزان تشخیص 0.794 و حداقل میزان نرخ مثبت کاذب 0.205 و مدل ماشین بردار پشتیبان با پیش بینی صحیح 0.773 مورد و نرخ خطای 0.475 و دقّت 0.855 نسبت به سایر مدل ها عملکرد بهینه دارند