بررسی کارایی مدل درخت تصمیم در پیش بینی بارش (مطالعه موردی ایستگاه سینوپتیک یزد)

سال انتشار: 1391
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 216

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IWRR-8-3_003

تاریخ نمایه سازی: 1 اسفند 1401

چکیده مقاله:

وقوع خشکسالی اثرات نامطلوبی بر بخش های کشاورزی و اقتصادی کشور و به طور خاص بر عرصه های طبیعی تحمیل می کند. امروزه روش های مختلفی جهت پیش بینی مولفه های اصلی خشکسالی از جمله بارش ارائه شده است. در دهه های اخیر، استفاده از مدل های جدید کامپیوتری در این زمینه رواج یافته و در اغلب موارد توانایی خود را به خوبی نشان داده است. درخت تصمیم به عنوان یکی از این نوع مدل ها، با بررسی پارامترها از جزء به کل، به تولید قانون می پردازند و نهایتا به دانش قابل فهم از بین داده های آماری موجود دست می یابند. در این تحقیق از مدل درخت تصمیم به عنوان یکی از روش های داده کاوی جهت پیش بینی بارش و ارزیابی وضعیت خشکسالی درایستگاه سینوپتیک یزد استفاده شد. شبیه سازی ها در چهار حالت صورت گرفت و در کلیه شبیه سازی ها از متغیرهای بارش قبلی، دمای متوسط، دمای ماکزیمم، رطوبت، سرعت باد، جهت باد در مقیاس ماهانه به عنوان متغیرهای مستقل مدل استفاده و میزان بارش ۱۲ ماه قبل از وقوع پیش بینی گردید. در نهایت جهت ارزیابی دقت و صحت درخت های ایجاد شده در حالات فوق، معیارهای آماری مختلف مورد استفاده قرار گرفت. نتایج نشان داد که در ایستگاه یزد، مدل درخت تصمیم گیری خصوصا در شرایطی که از میانگین متحرک ۵ ساله داده ها استفاده گردد، دارای توانایی مناسبی در پیش بینی میزان بارش می باشد. پیش بینی مقدار بارندگی و به تبع آن ارزیابی وضعیت خشکسالی با دقت مناسب و قبل از وقوع آن، می تواند به برنامه ریزی جهت کاهش خسارات حاصل از آن کمک قابل توجهی نماید.

نویسندگان

محمدتقی دستورانی

عضو هیئت علمی /دانشکده منابع طبیعی دانشگاه یزد، در حال حاضر مامور در دانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهد- یزد- ایران

اعظم حبیبی پور

دانشجوی دکترای/ منابع طبیعی – آبخیزداری- دانشگاه یزد- یزد- ایران

محمدرضا اختصاصی

عضو هیئت علمی / دانشکده منابع طبیعی- دانشگاه یزد- یزد- ایران.

علی طالبی

عضو هیئت علمی/ دانشکده منابع طبیعی- دانشگاه یزد- یزد- ایران.

جواد محجوبی

کارشناس ارشد/ عمران-سازه های هیدرولیکی- دانشگاه علم وصنعت- تهران- ایران

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 :
  • اکبری، ز.(۱۳۸۹). بررسی کارایی مدل درخت تصمیم گیری رگرسیونی در ...
  • شایق، م. ع. (۱۳۹۰). ارزیابی پروژه های باروری ابرها با ...
  • کانتاردزیک، م. (۱۳۸۵).داده کاوی، مترجم: امیر علیخانزاده؛ بابل، نشر علوم ...
  • مشکانی، ع. و ناظمی، ع. (۱۳۸۸). مقدمه ای بر داده ...
  • Ayoubloo, M.K., Etemad-Shahidi, A., Mahjoobi, J., (۲۰۱۰). Evaluation of regular ...
  • Bhattacharya, B., Price R.K, and Solomatine D.P., (۲۰۰۷). Machine learning ...
  • Breiman, L., Friedman J., Olshen R., and Stone C.,۱۹۸۴, Classification ...
  • Chen, J.C., Ning, S.K., Chen, H.W. and Shu, C.S. (۲۰۰۸), ...
  • Cheng, C.C., Hsu, N.S. and Wei C.C. (۲۰۰۸), Decision-tree analysis ...
  • Geissen, V., Kampichler C., Lopez-de Llergo J.J. and Galindo-Acantara A. ...
  • Kheir,B.F., Chorowicz J., Chadi A. and Damien D., )۲۰۰۸). Soil ...
  • Kocev,D., Saso D., White M. D., Newell G. R. and ...
  • Mahesh P. and Mather P. M., (۲۰۰۳), An assessment of ...
  • Obasi,G.O.P., (۱۹۹۴), WMO,s role in the international decade for natural ...
  • Rusjan, S. and Micos M., (۲۰۰۸), Assessment of hydrological and ...
  • Taghi Sattari, M., Anli, A.S., Apaydin, H. and Kodal, S., ...
  • USDA., (۱۹۹۴), Major world crop areas and climatic profile, World ...
  • Vega, F.A., Matías J. M., Andrade M. L., Reigosa M. ...
  • Yurekli, K., Taghi Sattari, M.T., Anli, A.S. and Hinis, M.A. ...
  • نمایش کامل مراجع