پایش داده های موثر بر گرد و غبار با استفاده از طبقه بندی شورایی ایران مرکزی

امروزه استفاده از داده های ثبت شده در ایستگاه های سینوپتیک کشور یکی از مهم ترین منابع تحقیقات کاربردی برای پژوهشگران است. ایستگاه های سینوپتیک، اقلیم شناسی و غیره برای واکاوی های آماری مورد بررسی قرار می گیرند. در این تحقیق با استفاده از داده کاوی به روش طبقه بندی شورایی به پایش داده های موثر بر پدیده گرد و غبار ایستگاه های سینوپتیک ایران مرکزی  پرداخته شد. در این مطالعه از داده های ۳۶ ایستگاه سینوپتیک واقع در استان های اصفهان، کرمان، یزد، سیستان و بلوچستان، سمنان، مرکزی، خراسان رضوی، قم و خراسان جنوبی استفاده شد. پارامترهای دمای متوسط روزانه، بارش روزانه، ارتفاع ایستگاه، موقعیت جغرافیایی ایستگاه، سرعت حداکثر باد، جهت سرعت حداکثر باد، نقطه شبنم در طبقه بندی شورایی مورد استفاده قرار گرفت. همچنین مهمترین عامل موثر در بین این پارامتر ها برای گرد و غبار عامل حداکثر سرعت باد است که در همه روش های طبقه بندی به عنوان مهمترین عامل نشان داده شد. همچنین سه طبقه بند KNN، SVM با کرنل RBF و شبکه عصبی MLP به عنوان اعضای شورا انتخاب شدند که با دقت ۹۰/۷  درصد منشا تولید گرد و غبار (از منظر داخلی و خارجی بودن گرد و غبار) را به درستی تشخیص می دهد.

کلیدواژه ها:

Data Mining ، Synoptic Stations ، Dust ، Ensemble Classification ، Central Plateau of Iran ، داده کاوی ، ایستگاه های سینوپتیک ، گرد و غبار ، طبقه بندی شورایی ، فلات مرکزی ایران