پیش‌بینی درازمدت بارش با استفاده از خوشه‌بندی سیگنال‌های هواشناسی با توجه به تغییرات بارش به‌روش K_Means اصلاح شده مطالعه‌ی موردی: پیش‌بینی بارندگی استان سیستان و بلوچستان

مطالعه‌ی تغییرات اقلیمی و شناسایی متغیرهای مختلف آب و هوایی (ازجمله بارش) کمک شایانی به پیش‌بینی این‌گونه متغیرها می‌کند. بیان ارتباط سیگنال‌های بزرگ مقیاس اقلیمی ـ مثل دمای سطح دریا (SST) ـ و متغیرهای مهم هیدرولوژیکی ـ مثل بارندگی ـ ازجمله تحقیقات صورت گرفته در سال‌های اخیر است. در این نوشتار روشی نوین با عنوان K_Meansاصلاح شده برای خوشه‌بندی ارائه شده است. برای بررسی کارایی مدل پیشنهادی از مطالعه‌ی موردی بر روی استان سیستان و بلوچستان، واقع در منطقه‌ی جنوب شرق ایران، استفاده شده است. در این مطالعه از اطلاعات بارش ۲۰ ایستگاه مختلف این استان استفاده شده است و خوشه‌بندی سیگنال هواشناسی SST در مناطق جغرافیایی منتخب در دریای عمان، دریای عرب و اقیانوس هند با توجه به تغییرات بارش این ایستگاه‌ها صورت گرفته است. استفاده از روش K_Means اصلاح‌شده برای خوشه‌بندی سیگنال‌های هواشناسی و ارائه‌ی الگوریتمی پویا برای بیان ارتباط بارش منطقه مورد مطالعه در زمان‌های مختلف با الگوهای خوشه‌بندی زمان ـ مکان از نوآوری‌های این تحقیق محسوب می‌شود.