ارزیابی کارایی مدل درخت تصمیم رگرسیونی در پیش بینی خشکسالی نمونه موردی: ایستگاه سینوپتیک سنندج
Publish place: Journal of Natural Environmental Hazards، Vol: 4، Issue: 6
Publish Year: 1394
Type: Journal paper
Language: Persian
View: 254
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JNEH-4-6_001
Index date: 14 May 2022
ارزیابی کارایی مدل درخت تصمیم رگرسیونی در پیش بینی خشکسالی نمونه موردی: ایستگاه سینوپتیک سنندج abstract
برای مطالعه خشکسالی روش های مختلفی وجود دارد. روش تحلیل داده های بارندگی، جزو عمومی روش های تحلیل خشکسالی به شمار می رود؛ لذا پیش بینی دقیق و پیش از وقوع بارش می تواند شرایط را برای ارزیابی وضعیت خشکسالی فراهم نماید. هدف این پژوهش، بررسی تاثیر پیش پردازش داده های بارش ماهانه ایستگاه سینوپتیک سنندج بر عملکرد مدل درخت تصمیم در پیش بینی خشکسالی در ایستگاه سینوپتیک سنندج می باشد. در این پژوهش از الگوریتم CART به عنوان یکی از انواع درختان تصمیم رگرسیونی جهت پیش بینی بارش ۱۲ ماه بعد استفاده شده و جهت ارزیابی درختهای ایجاد شده از معیارهای آماری مختلف استفاده شده است. دادههای مورد استفاده در این پژوهش مربوط به آمار ماهانه بارندگی، رطوبت نسبی، دمای حداکثر، دمای متوسط، جهت باد و سرعت باد در دوره آماری (۱۳۸۹- ۱۳۴۹) است. نتایج حاصل از پژوهش نشان می دهد که در ایستگاه سینوپتیک سنندج درخت تصمیم گیری رگرسیونی، مدلی نسبتا کارا درپیش بینی خشکسالی میباشد؛ به طوری که درشبیه سازی های صورت گرفته، زمانی که از میانگین متحرک پنج ساله داده ها برای اجرای مدل استفاده گردید، ترکیب بارش قبلی و دمای حداکثر به عنوان مناسبترین حالت با مقدار خطای ۰۶/۰ شناسایی شده و اعمال میانگین متحرک روی داده های اصلی در بهبود کارایی مدل موثر است. در این شرایط، روش درخت تصمیم رگرسیونی ایستگاه سنندج با ضریب اطمینان بالایی میزان بارش را ۱۲ ماه پیش از وقوع بر آورد نمایند.
ارزیابی کارایی مدل درخت تصمیم رگرسیونی در پیش بینی خشکسالی نمونه موردی: ایستگاه سینوپتیک سنندج Keywords:
ارزیابی کارایی مدل درخت تصمیم رگرسیونی در پیش بینی خشکسالی نمونه موردی: ایستگاه سینوپتیک سنندج authors
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 :