بررسی تغییرات تراز متوسط دریا با استفاده از دو روش درخت رگرسیون و جنگل تصادفی

امروزه با کمک الگوریتم های یادگیری ماشین میتوان الگوهای نهان را از داده ها استخراج نمود. در این تحقیق هدف بررسی الگوریتم یادگیری ماشین در ارائه مشاهدات تراز متوسط سطح دریا و همچنین بررسی تاثیر ویژگیهای محیط زیستی بر روند تغییرات تراز سطح دریا میباشد. بنابراین از دو روش درخت رگرسیون و جنگل تصادفی استفاده شده است. بر اساس نتایج حاصل از روش درخت رگرسیون RMSE قبل و بعد هرس به ترتیب دارای مقادیر ۶۰,۸۹ و ۵۹,۳۳ بوده است. در حالتی که روش جنگل تصادفی استفاده شود برای سه حالت استفاده از داده های ماهیانه، فصلی و سالیانه RMSE به ترتیب دارای مقادیر ۵۱,۴۵، ۴۴,۷۳ و ۳۶,۲۱ میباشد. در ادامه با استفاده از مدل ساخته شده به کمک دو روش ذکر شده، پیشبینی داده ها برای دو سال انجام گرفت که بهترین حالت برای روش درخت رگرسیون و روش جنگل تصادفی مقدار RMSE، ۵۳,۱۹ و ۲۰,۵۶ نتیجه شد. در نهایت با استفاده از داده های ماهواره ارتفاع سنجی برای نقاط با فاصله کمتر از ۵۰۰ متر و دور از ساحل بیشترین نزدیکی به داده های حاصل از مدل را دارا می باشد. نتایج حاصل از این پژوهش نشان داد که الگوریتم جنگل تصادفی به همراه داده های سالیانه قادر به اخذ نتایج رضایت بخشی بر روی داده های موثر بر سطح دریا می باشند.

کلیدواژه ها:

یادگیری ماشین ، جنگل تصادفی ، درخت رگرسیون ، مدلسازی سطح دریا ، پیشبینی سطح دریا