ارزیابی دقت روش های مختلف درون یابی در تخمین مقادیر بارش جهت انتخاب بهینه ترین الگوریتم (مطالعه موردی: استان کردستان)
Publish place: Physical Geography Research، Vol: 50، Issue: 2
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 337
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JPHGR-50-2_008
تاریخ نمایه سازی: 25 مهر 1400
Abstract:
برآورد دقیق خصوصیات کمی و کیفی پدیدههای طبیعی مستلزم صرف زمان و هزینه زیاد است. در این راستا، درونیابی روشی کارآمد شناختهشده است که، با ارائه و تعمیم مقادیر نقطهای به سطح، صرفهجویی در وقت و هزینه را فراهم کرده است. الگوریتمهای مختلف درونیابی مدلسازی مقادیر را مقدور میسازد که گام مهمی در مدیریت منابع محسوب میشود. با توجه به اینکه صحت دادههای ورودی در تحلیلها و تصمیمگیریها از اهمیت خاصی برخوردار است، در تحقیق حاضر به ارزیابی دقت حاصله استفاده از ۱۰ الگوریتم مختلف درونیابی در تخمین مقادیر بارش پرداخته شده است. در این تحقیق از Cross - Validation به منظور مقایسه الگوریتمهای مختلف استفاده شده است. همچنین، مدلها با استفاده از ریشه متوسط مربع خطا (RMSE)، میانگین خطای مطلق (MAE)، معیار اریب خطا (MBE)، و ضریب تبیین (R۲) مقایسه آماری شدهاند. نتایج بهدستآمده از ارزیابی دقت نشان میدهد که روش Ordinary Kriging با مدل تابع Circular با ۰.۰۵- MBE=، ۵۳.۳۷MAE=، ۷۷.۳۱RMSE=، و ۰.۷۰ R۲ = نسبت به سایر مدلها از اعتبار بیشتری برخوردار است و مناسبترین روش درونیابی پراکنش مقادیر بارش در استان کردستان است. با توجه به ماهیت مقایسه ای این تحقیق، نتایج آن برای شناسایی روشهای بهینه درونیابی پراکنش بارش در مناطق کوهستانی از اهمیت بسیاری زیادی برخوردار است.
Keywords:
Authors
آرش زندکریمی
دانشجوی کارشناسی ارشد سنجش از دور دانشگاه تبریز
داود مختاری
دانشیار گروه ژئومورفولوژی دانشگاه تبریز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :