پیش بینی دمای بیشینه با استفاده از روش رگرسیون بردار پشتیبان حداقل مربعات (مطالعه موردی: شهرکرد)

امروزه پیش بینی وضعیت دما به امری ضروری و لازمه زندگی مبدل شده است که به کمک آن می توان هزینه های تولید را کاهش و بهره وری را افزایش داد. روند دمایی کره زمین به علت اثرات مخربی که دارد، همواره توجه بسیاری از دانشمندان را به خود جلب نموده ا ست و در نتیجه روش های متنوعی برای پیش بینی وضعیت دما معرفی شده است. در این پژوهش از روش رگرسیون بردار پشتیبان حداقل مربعات برای پیش بینی دمای بیشینه شهرکرد استفاده شده است. با استفاده از متغیرهای میانگین رطوبت نسبی، میانگین سرعت باد، میانگین حداقل د ما و میانگین حداکثر دمای ماهانه به عنوان ورودی مدل، میانگین حداکثر د مای ماهانه ایستگاه سینوپتیک شهر کرد، پیش بینی گردید، برای اندازه گیری کارایی مدل از مقادیر مجذور میانگین مربعات خطا، میانگین خطای مطلق، میانگین مربعات خطا، ضریب تبیین و همچنین زمان آموزش مدل محاسبه شده و با روش های متعددی از جمله رگرسیون بردار پشتیبان، شبکه عصبی، رگرسیون با استفاده از درخت bagging، رگرسیون با استفاده از درخت boositing و چندین مدل دیگر مقایسه شده است که نتایج، کارایی این مدل را در امر پیش بینی دمای بیشینه در مقایسه با روش های نامبرده تأئید می کند.

کلیدواژه ها:

پیش بینی ، دمای بیشینه ، رگرسیون بردار پشتیبان حداقل مربعات