پیش بینی بارش ماهانه با مدل درختی M۵ و مقایسه آن با روشهای کلاسیک آماری )مطالعه موردی : ایستگاه سینوپتیک ارومیه(
Publish place: Journal of Iran-Water Resources Research، Vol: 13، Issue: 4
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 209
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_IWRR-13-4_017
Index date: 18 February 2023
پیش بینی بارش ماهانه با مدل درختی M۵ و مقایسه آن با روشهای کلاسیک آماری )مطالعه موردی : ایستگاه سینوپتیک ارومیه( abstract
در این تحقیق جهت تخمین داده های بارش ماهانه ایستگاه ارومیه که از سال ۲۰۰۶ تا ۲۰۰۷ مفقود فرض شده است از روش های آماری کلاسیک و مدل درختی M۵ با استفاده از نرم افزارWeka و به کارگیری ایستگاه های مهاباد، خوی، سلماس، تکاب و ماکو استفاده شده است. در بین ایستگاه های مورد مطالعه، ایستگاه مهاباد با (r=۰.۹۰) بیشترین همبستگی را با ایستگاه ارومیه داشت. ۲۶ سناریو از آمار ده ساله ایستگاه های مجاور در تخمین بارش ماهانه ایستگاه شاهد (ارومیه) به نرم افزار Weka معرفی شده است که از بین سناریوها، سناریویی که شامل سه ایستگاه مهاباد، ماکو و تکاب با MAE=۷.۱۹, r=۰.۹, RMSE=۹.۶۴ به دلیل کم بودن پارامترهای ورودی به مدل به عنوان ساده-ترین و دقیق ترین سناریو به مدل تعریف گردید. از بین روشهای کلاسیک ، روش بهترین تخمین گر منفرد (SIB) بهترین روش با بیشترین ضریب همبستگی و کمترین خطا r=۰.۹۰,RMSE=۱۰.۵۱,MAE=۷.۰۷انتخاب شده است. مدل درختی M۵ در برآورد داده ها با r=۰.۹۱,RMSE=۹.۹۴,MAE=۷.۲۹ بهترین عملکرد را داشته است و به دلیل ارائه روابط خطی ساده و قابل فهم به عنوان روشی جایگزین و کاربردی در محاسبه داده های بارش ماهانه مورد توجه قرار می گیرد.
پیش بینی بارش ماهانه با مدل درختی M۵ و مقایسه آن با روشهای کلاسیک آماری )مطالعه موردی : ایستگاه سینوپتیک ارومیه( Keywords:
پیش بینی بارش ماهانه با مدل درختی M۵ و مقایسه آن با روشهای کلاسیک آماری )مطالعه موردی : ایستگاه سینوپتیک ارومیه( authors
شبنم وکیلی
مدرس /دانشگاه آزاد 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 :