ClustClass: Blending traditional meteorology with machine learning for rainfall forecasting
- سال انتشار: 1403
- محل انتشار: هشتمین کنگره سالانه بین المللی توسعه کشاورزی، منابع طبیعی، محیط زیست و گردشگری ایران
- کد COI اختصاصی: ICSDA08_361
- زبان مقاله: انگلیسی
- تعداد مشاهده: 163
نویسندگان
Iran, Islamic Azad University, Karaj Branch
چکیده
This paper explores integrating machine learning techniques in rainfall forecasting to enhance accuracy and reliability in predicting meteorological events. The study proposes a novel hybrid model that combines K-means clustering, Principal Component Analysis (PCA) for dimensionality reduction, and Decision Tree classification. The research utilizes a comprehensive dataset of historical weather data from Tehran, Iran, from ۲۰۱۴ to ۲۰۲۴. Through a systematic approach, the model preprocesses the data to ensure quality and then applies PCA to retain critical information while reducing dimensionality. Two instances of K-means clustering categorize the data, which is subsequently classified using a Decision Tree algorithm. The results demonstrate exceptional performance metrics, achieving perfect scores in accuracy, precision, recall, and F۱-score, reflecting the model's robust capability to capture complex rainfall patterns. Moreover, the findings underscore the importance of accurate rainfall predictions in applications such as disaster management, water resource allocation, and agricultural planning. The proposed model showcases the potential of blending traditional meteorological methods with advanced computational techniques, presenting valuable insights for future rainfall forecasting endeavors.کلیدواژه ها
rainfall forecasting, machine learning, K-means clustering, decision tree, PCA, meteorologyمقالات مرتبط جدید
- استفاده از مواد دوست دار محیطزیست بهعنوان جایگزین برای صنعت بستهبندی مواد غذایی
- مروری بر کاربرد چارچوبهای فلزی-آلی در جذب دیاکسید کربن
- کنترل بهینه یک مدل دینامیکی امکانات و تسهیلات گردشگری در جهت توسعه پایدار مبتنی بر تاثیرات عوامل محیطی
- بررسی موانع پیاده سازی استانداردهایISO با تاکید بر مدیریت سبز با استفاده از شبکههای عصبی عمیق کانولوشن
- استخراج رمزارز و چالش های آلودگی محیط زیست
اطلاعات 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.