ارزیابی انواع مدلسازی رگرسیون در پیش بینی دما با استفاده از شرایط جوی بین المللی

در این تحقیق، یک مدل پیش بینی دما بر اساس مجموعه داده های شرایط جوی بین المللی از دیتاست World WeatherRepository توسعه داده شده است. هدف این مطالعه مقایسه و ا رزیابی عملکرد چندین روش رگرسیون از جمله رگرسیون خطی، رگرسیون چندکی، رگرسیون ستیغی، رگرسیون لاسو، شبکه الاستیک، رگرسیون مولفه های اصلی، رگرسیون حداقلمربعات جزئی و رگرسیون بردار پشتیبان برای پیش بینی دمای هوا است. پس از پیش پردازش داده ها و انتخاب ویژگی هایموثر، هر یک از مدل ها با استفاده از مجموعه داده های آموزش داده شده اند و نتایج با استفاده از معیارهای ارزیابی مانند میانگین مطلق خطا (MAE)، میانگین مربعات خطا (MSE)، ریشه میانگین مربعات خطا (RMSE) و ضریب تعیین ((R(۲) مورد ارزیابی قرار می گیرند . نمودارهای پراکندگی برای نمایش تطابق مقادیر پیش بینی شده و مقادیر واقعی رسم شدند.تحلیل نتایج نشان داد که مدل رگرسیون بردار پشتیبان به دلیل دقت بالا و انعطاف پذیری در مدلسازی روابط غیرخطی،عملکرد بهتری نسبت به سایر مدلها دارد، هرچند برخی از روشها ی دیگر مانند رگرسیون خطی و ستیغی نیز دقت مناسبیرا نشان دادند. این مطالعه نشان میدهد که روشهای رگرسیو ن میتوانند به طور موثر برای پیش بینی داده های پیوسته،به ویژه در حوزه هایی مانند پیش بینی دما، به کار برده شوند.

کلیدواژه ها:

رگرسیون ، ارزیابی مدل های رگرسیون ، پیش بینی دما ، داده های جوی