ارزیابی توانایی مدل درختی استدلالی در پیش بینی احتمال وقوع بارش روزانه
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 147
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIRCSA-8-2_004
تاریخ نمایه سازی: 15 اسفند 1400
چکیده مقاله:
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
نویسندگان
فاطمه میکائیلی
University of Tabriz
سعید صمدیان فرد
University of Tabriz
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 :