CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

ارزیابی مدل درخت تصمیم در پیشبینی تغییرات میانگین دمای روزانهایستگاه سینوپتیک رشت

عنوان مقاله: ارزیابی مدل درخت تصمیم در پیشبینی تغییرات میانگین دمای روزانهایستگاه سینوپتیک رشت
شناسه ملی مقاله: ENGTCONF06_039
منتشر شده در ششمین کنفرانس بین المللی مطالعات جهانی در علوم تکنولوژی و مهندسی در سال 1401
مشخصات نویسندگان مقاله:

مریم وفایی - دانش آموخته دکتری مهندسی منابع آب، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران،
سعید آزادی - دانش آموخته دکتری مهندسی منابع آب، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران،
سیدجعفر موسوی - مدیر امور مالی، سازمان آب و فاضلاب، همدان، ایران

خلاصه مقاله:
دما یکی از مهمترین پارامترهای هواشناسی است که در بسیاری از مطالعات مورد بررسی قرار می گیرد. این پارامتر در ارزیابی تغییر اقلیم و کشاورزی از اهمیت ویژه ای برخوردار است، به طوری که افزایش دما یکی از مسائل مهم زیست-محیطی در سراسر جهان میباشد. در تحقیق حاضر دقت مدل درخت تصمیم در شبیه سازی تغییرات میانگین دما روزانه مورد ارزیابی قرار گرفت. به منظور واسنجی و صحت سنجی نتایج، از آمار و اطلاعات تغییرات میانگین دما روزانه ایستگاه سینوپتیک رشت طی دوره ۱۱ ساله ۱۳۸۷ تا ۱۳۹۷ استفاده شد. در این تحقیق پارامترهای ورودی مدل درخت تصمیم جهت پیشبینی تغییرات میانگین دما، با فرض وابستگی میانگین دمای هوا به میانگین دمای هوای روزهای قبل، با استفاده از میانگین دمای امروز و دیروز، میانگین دمای فردا تخمین زده شد. بر اساس نتایج، با استفاده از پارامترهای ورودی مذکور در قالب سری زمانی، مقدار شاخصهای RMSE، SE و R۲ در بخش آموزش به ترتیب برابر با ۰/۱۹ سانتیگراد، ۰/۰۱ و ۰/۹۹۹ و در بخش آزمون مقدار این شاخصها به ترتیب ۱/۶۷ سانتیگراد، ۰/۰۹ و ۰/۹۵۲ محاسبه گردید. نتایج نشان داد که مدل درخت تصمیم در شبیه سازی تغییرات میانگین دمای روزانه در منطقه مورد مطالعه از دقت بالایی برخوردار است و این مدل را میتوان به عنوان روشی جدید در حوزه علوم مهندسی آب و منابع طبیعی معرفی نمود.

کلمات کلیدی:
دما، شبیه سازی، پیشبینی، درخت تصمیم، سری زمانی، ایستگاه سینوپتیک.

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1639220/