ارزیابی کارایی مدل درخت تصمیم رگرسیونی در پیش بینی خشکسالی نمونه موردی: ایستگاه سینوپتیک سنندج
- سال انتشار: 1394
- محل انتشار: فصلنامه مخاطرات محیط طبیعی، دوره: 4، شماره: 6
- کد COI اختصاصی: JR_JNEH-4-6_001
- زبان مقاله: فارسی
- تعداد مشاهده: 274
نویسندگان
عضو هیات علمی
دانشجوی دکتری
دانشجوی کارشناسی ارشد
چکیده
برای مطالعه خشکسالی روش های مختلفی وجود دارد. روش تحلیل داده های بارندگی، جزو عمومی روش های تحلیل خشکسالی به شمار می رود؛ لذا پیش بینی دقیق و پیش از وقوع بارش می تواند شرایط را برای ارزیابی وضعیت خشکسالی فراهم نماید. هدف این پژوهش، بررسی تاثیر پیش پردازش داده های بارش ماهانه ایستگاه سینوپتیک سنندج بر عملکرد مدل درخت تصمیم در پیش بینی خشکسالی در ایستگاه سینوپتیک سنندج می باشد. در این پژوهش از الگوریتم CART به عنوان یکی از انواع درختان تصمیم رگرسیونی جهت پیش بینی بارش ۱۲ ماه بعد استفاده شده و جهت ارزیابی درختهای ایجاد شده از معیارهای آماری مختلف استفاده شده است. دادههای مورد استفاده در این پژوهش مربوط به آمار ماهانه بارندگی، رطوبت نسبی، دمای حداکثر، دمای متوسط، جهت باد و سرعت باد در دوره آماری (۱۳۸۹- ۱۳۴۹) است. نتایج حاصل از پژوهش نشان می دهد که در ایستگاه سینوپتیک سنندج درخت تصمیم گیری رگرسیونی، مدلی نسبتا کارا درپیش بینی خشکسالی میباشد؛ به طوری که درشبیه سازی های صورت گرفته، زمانی که از میانگین متحرک پنج ساله داده ها برای اجرای مدل استفاده گردید، ترکیب بارش قبلی و دمای حداکثر به عنوان مناسبترین حالت با مقدار خطای ۰۶/۰ شناسایی شده و اعمال میانگین متحرک روی داده های اصلی در بهبود کارایی مدل موثر است. در این شرایط، روش درخت تصمیم رگرسیونی ایستگاه سنندج با ضریب اطمینان بالایی میزان بارش را ۱۲ ماه پیش از وقوع بر آورد نمایند.کلیدواژه ها
درخت تصمیم, پیش بینی بارش, الگوریتم CART, سنندجاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.