استفاده از خوارزمیک انتخاب ویژگی به‌منظور پیش‌بینی مقدار تبخیر و تعرق با کمترین داده

در پژوهش حاضر نسبت به انتخاب مهم­ترین متغیرهای مؤثر در پیش‌بینی تبخیر و تعرق با استفاده از خوارزمیک (الگوریتم) انتخاب ویژگی در شهرستان داراب واقع در جنوب غربی استان فارس اقدام شد. در این راستا ابتدا با استفاده از روش پنمن مو‌نتیث فائو مقدار تبخیر و تعرق محاسبه، سپس به کمک روش انتخاب ویژگی از بین متغیر‌های مؤثر در روش پنمن مونتیث فائو تأثیرگذارترین متغیرها در پیش‌بینی تبخیر و تعرق تعیین شدند. برای پیش‌بینی، از روش‌های Best-First،Greedy-Stepwise و Ranker به منظور انتخاب مؤثرترین متغیرها از بین 120 داده استفاده شد. در راستای بررسی خطای هر یک از این روش‌ها و انتخاب بهترین روش، از روش‌های طبقه بندی Naive Bayes، J48 و LMT استفاده شد. داده‌های مورد بررسی در این بررسی، برای محاسبه و پیش‌بینی تبخیر و تعرق عبارت از کمینه، میانگین و بیشینه دما، سرعت باد، کمینه ساعات آفتابی، بیشینه ساعات آفتابی، ارتفاع، تابش خورشیدی و رطوبت نسبی بودند. نتایج پژوهش حاضر نشان داد که روش Ranker با مدل Relifef- FAttribute-Eval در هر سه روش طبقه‌بندی، دارای کمینه خطاست. این موضوع مبین این نکته است که بیشینه مقدار ساعات آفتابی، میانگین و بیشینه دما نسبت به سایر متغیر‌ها در پیش ­بینی مقدار تبخیر و تعرق مؤثرترند. بنابراین با استفاده از خوارزمیک Feature selection می‌توان در مناطق دارای کمبود داده با استفاده از متغیرهای کمتر اقدام به پیش­بینی تبخیر و تعرق نمود و در زمان و هزینه صرفه‌جویی کرد.