بررسی کارایی مدل درخت تصمیم در پیش بینی بارش (مطالعه موردی ایستگاه سینوپتیک یزد)

Authors

محمدتقی دستورانی

عضو هیئت علمی /دانشکده منابع طبیعی دانشگاه یزد، در حال حاضر مامور در دانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهد- یزد- ایران اعظم حبیبی پور

دانشجوی دکترای/ منابع طبیعی – آبخیزداری- دانشگاه یزد- یزد- ایران محمدرضا اختصاصی

عضو هیئت علمی / دانشکده منابع طبیعی- دانشگاه یزد- یزد- ایران. علی طالبی

عضو هیئت علمی/ دانشکده منابع طبیعی- دانشگاه یزد- یزد- ایران. جواد محجوبی

abstract

وقوع خشکسالی اثرات نامطلوبی بر بخش های کشاورزی و اقتصادی کشور و به طور خاص بر عرصه های طبیعی تحمیل می کند. امروزه روش های مختلفی جهت پیش بینی مؤلفه های اصلی خشکسالی از جمله بارش ارائه شده است. در دهه های اخیر، استفاده از مدل های جدید کامپیوتری در این زمینه رواج یافته و در اغلب موارد توانایی خود را به خوبی نشان داده است. درخت تصمیم به عنوان یکی از این نوع مدل ها، با بررسی پارامترها از جزء به کل، به تولید قانون می پردازند و نهایتاً به دانش قابل فهم از بین داده های آماری موجود دست می یابند. در این تحقیق از مدل درخت تصمیم به عنوان یکی از روش های داده کاوی جهت پیش بینی بارش و ارزیابی وضعیت خشکسالی درایستگاه سینوپتیک یزد استفاده شد. شبیه سازی ها در چهار حالت صورت گرفت و در کلیه شبیه سازی ها از متغیرهای بارش قبلی، دمای متوسط، دمای ماکزیمم، رطوبت، سرعت باد، جهت باد در مقیاس ماهانه به عنوان متغیرهای مستقل مدل استفاده و میزان بارش 12 ماه قبل از وقوع پیش بینی گردید. در نهایت جهت ارزیابی دقت و صحت درخت های ایجاد شده در حالات فوق، معیارهای آماری مختلف مورد استفاده قرار گرفت. نتایج نشان داد که در ایستگاه یزد، مدل درخت تصمیم گیری خصوصاً در شرایطی که از میانگین متحرک 5 ساله داده ها استفاده گردد، دارای توانایی مناسبی در پیش بینی میزان بارش می باشد. پیش بینی مقدار بارندگی و به تبع آن ارزیابی وضعیت خشکسالی با دقت مناسب و قبل از وقوع آن، می تواند به برنامه ریزی جهت کاهش خسارات حاصل از آن کمک قابل توجهی نماید.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارزیابی کارایی مدل درخت تصمیم رگرسیونی در پیش بینی خشکسالی نمونه موردی: ایستگاه سینوپتیک سنندج

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 تأثیر 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 ال...

full text

ارزیابی کارایی مدل درخت تصمیم ‌رگرسیونی در پیش‌بینی خشکسالی نمونة موردی: ایستگاه سینوپتیک سنندج

     برای مطالعة خشکسالی روش‌های مختلفی وجود دارد. روش تحلیل داده‌های بارندگی، جزو عمومی روش های تحلیل خشکسالی به شمار می رود؛ لذا پیش‌بینی دقیق و پیش از وقوع بارش می تواند شرایط را برای ارزیابی وضعیت خشکسالی فراهم نماید. هدف این پژوهش، بررسی تأثیر پیش‌پردازشِ داده‌های بارش ماهانة ایستگاه سینوپتیک سنندج بر عملکرد مدل درخت تصمیم در پیش‌بینی خشکسالی در ایستگاه سینوپتیک سنندج می‌باشد. در این پژوهش ...

full text

پیش بینی بارش ماهانه با مدل درختی M5 و مقایسه آن با روشهای کلاسیک آماری )مطالعه موردی : ایستگاه سینوپتیک ارومیه(

در این تحقیق جهت تخمین داده‌های بارش ماهانه ایستگاه ارومیه که از سال 2006 تا 2007 مفقود فرض شده است از روش‌های آماری کلاسیک و مدل درختی M5 با استفاده از نرم‌افزارWeka و به کارگیری ایستگاه‌های مهاباد، خوی، سلماس، تکاب و ماکو استفاده شده است. در بین ایستگاه‌های مورد مطالعه، ایستگاه مهاباد با (r=0.90) بیشترین همبستگی را با ایستگاه ارومیه داشت. 26 سناریو از آمار ده ساله ایستگاه‌های مجاور در تخمین ب...

full text

پیش بینی خشکسالی در ایستگاه سینوپتیک یزد با استفاده ازمدل درخت های تصمیم گیری

چکیده کشور ایران به لحاظ قرار گرفتن درکمربند خشک جغرافیایی، در زمره مناطق کم باران محسوب می گردد. علاوه بر آن نوسانات شدید بارش در مناطق مختلف کشور، وقوع خشکسالی های ضعیف تا شدید را به موضوعی گریز ناپذیر تبدیل نموده است. وقوع این خشکسالی ها اثرات نامطلوب شدیدی بر بخش های کشاورزی و اقتصادی کشور و به طور خاص بر عرصه های طبیعی تحمیل می کند. امروزه روش های مختلفی جهت پیش بینی خشکسالی ارائه شده ا...

15 صفحه اول

My Resources

Save resource for easier access later


Journal title:
تحقیقات منابع آب ایران

جلد ۸، شماره ۳، صفحات ۱۴-۲۷

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023