پیش بینی اقلیم مناطق هواشناسی ایران با استفاده از روش های داده کاوی در مناطق فاقد ایستگاه سینوپتیک

شناسایی اقلیم آب و هوایی هر منطقه از منظر هواشناسی و پیش بینی متغییرهای آن از اهمیت ویژه ای برخوردار است و در حوزه های مختلفی چون: کشاورزی، حمل و نقل هوایی و دریایی، توریسم، ورزش، صنعت و ... مورد استفاده قرار می گیرد. یکی از روش های تعیین متغییرهای آب و هوایی، استفاده از ایستگاه سینوپتیک است که متاسفانه در همه نقاط کشور وجود ندارد و ایجاد چنین ایستگاه هایی در کلیه مناطق از یک سو دارای هزینه بسیار زیادی است و از سوی دیگر، در برخی از مناطق امکان ایجاد آن میسر نمی باشد. بنابراین تعیین خوشه اقلیمی هر منطقه به نحوی که مشخصه های آب و هوایی با دقت مناسبی قابل پیش بینی باشد؛ همواره به عنوان یکی از مسائل این حوزه مطرح بوده است. این پژوهش می کوشد، با در دست داشتن اطلاعات متغیرهای هواشناسی ۱۶۴ ایستگاه سینوپتیک کشور، خوشه اقلیمی مناطق فاقد ایستگاه هواشناسی را با دقت بالایی پیش بینی نماید. براین اساس با استفاده از متدلوژی CRISP-DM و الگوریتم های نظارتی و غیر نظارتی داده کاوی، خوشه مناطق فاقد ایستگاه هواشناسی بر مبنای طول و عرض و ارتفاع جغرافیایی پیش بینی شده است و کلیه عملیات داده کاوی در python ۳.۷ اجرایی شده است. در فاز مدل سازی با استفاده از روش خوشه بندی سلسه مراتبی Ward و خوشه بندی K-Means اقلیم ایران به ۴ خوشه تقسیم بندی شده است و پس از آن با استفاده از روش های داده کاوی نظارتی ( مدل های طبقه بندی KNN و درخت تصمیم ( CART خوشه بندی های مزبور مورد ارزیابی قرار گرفت و در پایان الگوریتم خوشه بندی K-Means با دقت %۹۸ به عنوان الگوریتم برتر جهت خوشه بندی مناطق اقلیمی کشور از منظر هواشناسی مورد تایید قرار گرفت. براساس نتایج پژوهش عامل ارتفاع یک عامل تاثیرگذار در تغیر اقلیم مناطق آب و هوایی محسوب می شود.

کلیدواژه ها:

ایستگاه سینوپتیک ، طبقه بندی ، خوشه بندی K-Means ، خوشه بندی Ward