انحدار مستقبلي متعدد الطبقات ومتغير الرياح لتقدير هطول الأمطار استنادًا إلى بيانات رادار الطقس

دقة معلومات هطول الأمطار أمر بالغ الأهمية لتطبيقات عديدة، بما في ذلك تقدير جريان النهر وإدارة موارد المياه وتطوير أنظمة الإنذار المبكر بالفيضانات. لكن شبكات مقاييس المطر التقليدية تعاني من محدودية التغطية المكانية، مما يؤدي إلى بيانات غير مكتملة وغير دقيقة بالنسبة للمساحات الواسعة. تقترح هذه الدراسة نهجًا جديدًا لتقدير هطول الأمطار السطحية باستخدام بيانات رادار الطقس ونموذج الانحدار متعدد الطبقات (MLP) للتعلم الآلي. تم استخدام البحث الشبكي لاستكشاف أداء النموذج عبر تكوينات نوافذ مختلفة: بدون نافذة، ونافذة n-1، ونافذتين n-2. أظهرت النتائج تفوق استراتيجية النافذة n-1 على التكوينات الأخرى، حيث حققت متوسط جذر خطأ التربيع المتوسط (RMSE) 0.987 ومتوسط الخطأ المطلق (MAE) 0.263 ومعامل التحديد (R-squared) 0.242 عبر خمسة مواقع. يشير هذا إلى أن استراتيجية النافذة n-1 تلتقط الديناميكيات الزمنية لأنماط هطول الأمطار بشكل فعال مع تحسين حساسية النموذج للانتظام. ومع ذلك، لا يزال هناك اتجاه نحو التقليل من شأن أحداث هطول الأمطار الغزيرة. يسلط هذا البحث الضوء على فعالية استراتيجية النافذة n-1 مع نموذج الانحدار متعدد الطبقات لتحسين تقدير هطول الأمطار السطحية باستخدام بيانات رادار الطقس. هناك حاجة إلى مزيد من التحقيق لمعالجة تحيز التقليل، خاصة بالنسبة لأحداث هطول الأمطار الغزيرة.