بهاره فلاحی
احمد فاخری فرد
یعقوب دین پژوه
صابره دربندی

روش های تحلیلی کاهش ابعاد داده ها مانند آنالیز مولفه های اصلی برای درک صحیحی از عوامل موثر بر تغییرات اقلیمی با توجیه قسمت مهمی از کل واریانس با تعداد محدودی از مولفه های اصلی، در برنامه ریزی منابع آب حائز اهمیت می باشند. در این تحقیق روش PCA به عنوان تصویرکننده فضای اطلاعات روی محورهای محدود و معین، K-mean به عنوان روش خوشه سازی گروهی و Wardبه عنوان خوشه سازی سلسله مراتبی مورد استفاده قرار گرفته است. در تحقیق حاضر با استفاده از این روش ها و کاربرد داده های بارش روزانه ۶۰ ایستگاه هواشناسی در طول دوره آماری ۳۵ ساله (۲۰۰۴-۱۹۷۰)،۴ نوع پهنه بندی بر مبنای بارش های روزانه، سری شاخص فاصله-مقدار، فواصل زمانی بارش و سری روزهای بارانی انجام گرفت. آماره S برای آزمون همگنی مناطق بدست آمده به کار گرفته شد. نتایج نشان داد که روش PCA به لحاظ ماهیت خود فضای داده ها را روی محورهای اصلی تصویر می کند و ساختار واقعی فضا را نشان خواهد داد اما در روش های سلسله مراتبی که در هر مرحله خوشه یا اعضا را به هم متصل می کنند، از نظر ماهیت فضایی خوشه ها بیانگر ساختار واقعی نمی باشند لذا انتظار می رود که خوشه های حاصل از PCA واقعی تر از خوشه های حاصل از دیگر روش ها باشد. اما از نقطه نظر گسترش اطلاعات خوشه بندی بر مبنای همگنی، روش های خوشه بندی سلسله مراتبی بر خوشه بندی واقعی ارجحیت پیدا می کند.

پهنه بندی, تجزیه به مولفه های اصلی, تجزیه خوشه ای, وارد, K-mean