ارزیابی توانایی مدل درختی استدلالی در پیش بینی احتمال وقوع بارش روزانه

با توجه به واقع شدن ایران در اقلیم خشک و نیمه خشک و توزیع ناهمگن بارندگی، پیش بینی وقوع بارش از اهمیت ویژه ای برخوردار است. از این رو، امروزه محققین با استفاده از روش های نوین در پی شناخت و پیش بینی دقیق آن هستند. بنابراین، هدف از پژوهش حاضر، بررسی توانایی های مدل درخت استدلالی (LMT) در پیش بینی وقوع بارش روزانه ایستگاه پارس آباد با استفاده از داده های هواشناسی ۱ تا ۳ روز قبل است. برای این منظور، داده های هواشناسی دوره ۲۰۰۴-۲۰۱۹ میلادی جمع آوری گردید و سه سناریو ترکیبی از پارامترهای هواشناسی برای واسنجی و صحت سنجی روش مورد مطالعه مد نظر قرار گرفت. نتایج نشان داد که دقت پیش بینی بهترین سناریو با استفاده از داده های ۲ روز قبل حدود ۷۹ درصد بود، اما با استفاده از داده های ۱ و ۳ روز قبل، بارش روزانه با دقت ۸۰ درصد پیش بینی شد. در نهایت، با بررسی معیارهای ارزیابی، سناریو شماره یک با پارامترهای ورودی حداقل، حداکثر و متوسط رطوبت نسبی (درصد)، دما (درجه سانتی گراد)، مجموع ساعات آفتابی (ساعت) و سرعت باد (متر بر ثانیه) به عنوان دقیق ترین سناریو برای پیش بینی بارش روزانه تعیین گردید.

کلیدواژه ها:

Correctly Classified Instances ، Daily precipitation ، Decision tree ، LMT. ، بارش روزانه ، درخت تصمیم ، درصد موارد پیش بینی صحیح ، مدل درخت استدلالی