ارزیابی کارایی چندین روش داده‌کاوی برای پیش‌بینی تبخیر(مطالعة موردی: ایستگاه سینوپتیک یزد)
Authors
Abstract:
تبخیر یکی از پارامترهای اقلیمی مهم در مناطق خشک است و نقش مهمی را در مدیریت منابع آب بازی می‌کند، به همین جهت آگاهی از مقدار تبخیر و مدل‌سازی آن به عنوان یکی از متغیرهای مهم هیدرولوژیکی در تحقیقات کشاورزی و حفاظت آب و خاک از اهمیت زیادی برخوردار است. در دهه‌های اخیر روش‌های هوش مصنوعی در تخمین و پیش‌بینی پدیده‌های غیرخطی توانایی بالایی از خود نشان داده است. در این تحقیق از سه روش مهم داده‌کاوی شامل شبکة عصبی مصنوعی، شبکه‌های استنتاج فازی و درخت تصمیم رگرسیونی جهت پیش‌بینی تبخیر ماهانه در ایستگاه سینوپتیک یزد استفاده شد. برای این منظور از 8 متغیر هواشناسی در مقیاس ماهانه (متوسط کمینة دما، متوسط بیشینة دما، میانگین دما، ساعات آفتابی، سرعت باد، جهت باد، میانگین رطوبت نسبی و تبخیر) به عنوان ورودی مدل استفاده گردید. نتایج به‌دست‌آمده نشان داد هر سه مدل نامبرده قادرند با استفاده از پارامترهای اقلیمی مذکور به پیش‌بینی مقدار تبخیر ماهانه 12 ماه بعد از وقوع بپردازند ولی در میان سه مدل مورد استفاده، شبکة عصبی مصنوعی با ضریب همبستگی برابر با 97/0r=، 1/5RMSE=،3/36MAE= و 48/0-ME= بهترین کارایی را از خود نشان داد. همچنین نتایج نشان داد در پیش‌بینی تبخیر، تفاوت قابل‌ملاحظه‌ای در زمان استفاده از داده‌های خام و داده‌های نرمال شده وجود ندارد و پردازش داده‌ها تأثیر چندانی در بهبود نتایج مدل‌ها نخواهد داشت.
similar resources
بررسی کارایی مدل درخت تصمیم در پیش بینی بارش (مطالعه موردی ایستگاه سینوپتیک یزد)
وقوع خشکسالی اثرات نامطلوبی بر بخش‌های کشاورزی و اقتصادی کشور و به طور خاص بر عرصه‌های طبیعی تحمیل می‌کند. امروزه روش‌های مختلفی جهت پیش بینی مؤلفه‌های اصلی خشکسالی از جمله بارش ارائه شده است. در دهه‌های اخیر، استفاده از مدل‌های 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 مدل‌ها، با بررسی پارامترها از جزء به کل،...
full textارزیابی 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 textبررسی کارایی مدل درخت تصمیم در پیش بینی بارش (مطالعه موردی ایستگاه سینوپتیک یزد)
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،...
full textارزیابی انرژی باد در ایستگاه سینوپتیک اردبیل
باد، عنصری است که با استفاده از آن انرژی پاک تولید می‌شود؛ اما این عنصر در صورتی که تغییری در آستانة سرعت (به‌صورت افزایشی یا کاهشی) و جهت آن صورت بگیرد یا با عناصر یا پدیده‌های دیگر ترکیب شود، در زمان‌های مختلف خسارات جانی و مالی به بشر وارد می‌کند. در این مطالعه به‌منظور دستیابی به پتانسیل انرژی باد از داده‌های ساعتی مربوط به سرعت و جهت باد، دما، رطوبت و فشار طی دورة آماری 1369 تا 1387 بهره...
full textارزیابی 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 textMy Resources
Journal title
volume 71 issue 3
pages 579- 594
publication date 2018-11-22
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023