مقایسه چند الگوریتم داده کاوی در تخمین تبخیر تعرق پتانسیل ماه بعد در سه ایستگاه هواشناسی ایران

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,614

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SADHE02_018

تاریخ نمایه سازی: 3 آذر 1392

چکیده مقاله:

به منظورتعیین مدل مناسبی ازتخمین تبخیر وتعرق پتانسیل ماه بعد برای ایستگاه اراک شیرازورشت الگوریتم های M5P ، Kstar ، M5Rules ، REPTree ، CHID CART مقایسه شدند پس ازمعرفی کردن داده های هواشناسی به صورت متوسط ماهانه که شامل متوسط دمای هوا ساعات افتابی دمای نقطه شبنم متوسط رطوبت نسبی متوسط سرعت بادکمبود فشاربخار اشباع طی دوره چهل و شش ساله ازسال 1960تا2005 میلادی به الگوریتمی مذکور به عنوان متغیرهای ورودی و تبخیر تعرق پتانسیل ماهانه درتخمین تبخیر تعرق پتانسیل ماه بعد به روش پنمن مونتیث به عنوان متغیرهای خروجی الگوریتم های مذکور مورد ارزیابی قرارگرفتند سپس بعدازبرنامه نویسی الگوریتم های مذکور برای تخمین تبخیر تعرق پتانسیل ماه بعدما ازطریق مقایسه بین ضریب رگرسیون و متوسط مطلق خطا بدست امده ازطریق الگوریتم ها مناسب ترین الگوریتم را انتخاب می کنیم به این ترتیب الگوریتم CART ، M5P Kstar برای ایستگاه اراک شیراز و رشت درمیان این هفت الگوریتم بهترین تخمین تبخیر و تعرق پتانسیل برای ماه بعد را ازداده های هواشناسی ماه قبل برای ایستگاه های مذکور داشته اند .

نویسندگان

سید حسن میرهاشمی

دانشجوی کارشناسی ارشد آبیاری و زهکشی

مهدی پناهی

استادیار دانشگاه زنجان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • علیزاده، امین. رابطه آب وخاک و گیاه، انتشارات دانشگاه امام ...
  • غضنفری، مهدی. داده کاوی و کشف دانش. تهران: دانشگاه علم ...
  • Clementine@ 12.0 Algorithms Guide, 2007, p. 31, 43, 291 ...
  • L. Witten., and E. Frank, 2005 " Data Mining: Practical ...
  • Quinlan JR. 1992. Learning with continuous classes. Proceeding of Australian ...
  • Quinlan, J. R., 1993, C45: Programs for Machine Learning, Morgan ...
  • R. Safavian, Landgrebe, May 1991 _ Survey of Decision Tree ...
  • _ Cannavo 2003.The Power of Logic in Everyday Life. Mumbai: ...
  • V.N. Patkar 2005 :Data mining applications in library and academic ...
  • Witten IH and Frank E. 2005. Data Mining: practical machine ...
  • نمایش کامل مراجع