ارزیابی عملکرد رهیافت توسعه یافته‌ی نزدیکترین همسایه در شبیه سازی داده های هواشناسی روزانه

چکیده
    مولدهای هواشناسی (Weather Generators) با هدف تطویل سری اطلاعات انواع متغیرهای وضع هوا اعم از بارش، دما و رطوبت نسبی، برای ارتقاءِ فهم و درک از عملکرد هر سیستمی که اقلیم عامل تاثیرگذار بر آن باشد، توسعه یافته‌اند. الگوریتم‌های متفاوتی از این مولدها در دو نوع کلی پارامتری و ناپارامتری تا به امروز ارائه شده‌اند. در این مطالعه کارایی مولد ناپارامتری k نزدیکترین همسایه با قابلیت برونیابی داده‌ها در سری مصنوعی، برای چندین ایستگاه شامل ایستگاه‌های تهران، مشهد، قزوین، بوشهر، تبریز و رشت با آمار قابل‌ قبول 45 سال(2005-1961) ارزیابی و برای بیان برتری نسبی این روش‌ها نسبت به روش‌های پارامتری، نتایج آن با خروجی مولد پارامتری LARS-WG مقایسه شده است. نتایج حاصله نشان داد که روش ناپارامتری به کارگرفته‌شده در این مطالعه در شبیه‌سازی اکثر پارامترهای سری مشاهده شده، نسبت به روش پارامتری مطمئن‌تر عمل می‌نماید. با این وجود در شبیه سازی طول دوره های درازمدت تر و خشک، مولد LARS-WG بهتر عمل می کند که البته اختلاف این دو مولد ناچیز می باشد.