استفاده از خوارزمیک انتخاب ویژگی به منظور پیش بینی مقدار تبخیر و تعرق با کمترین داده

در پژوهش حاضر نسبت به انتخاب مهم ترین متغیرهای موثر در پیش بینی تبخیر و تعرق با استفاده از خوارزمیک (الگوریتم) انتخاب ویژگی در شهرستان داراب واقع در جنوب غربی استان فارس اقدام شد. در این راستا ابتدا با استفاده از روش پنمن مو نتیث فائو مقدار تبخیر و تعرق محاسبه، سپس به کمک روش انتخاب ویژگی از بین متغیر های موثر در روش پنمن مونتیث فائو تاثیرگذارترین متغیرها در پیش بینی تبخیر و تعرق تعیین شدند. برای پیش بینی، از روش های Best-First،Greedy-Stepwise و Ranker به منظور انتخاب موثرترین متغیرها از بین 120 داده استفاده شد. در راستای بررسی خطای هر یک از این روش ها و انتخاب بهترین روش، از روش های طبقه بندی Naive Bayes، J48 و LMT استفاده شد. داده های مورد بررسی در این بررسی، برای محاسبه و پیش بینی تبخیر و تعرق عبارت از کمینه، میانگین و بیشینه دما، سرعت باد، کمینه ساعات آفتابی، بیشینه ساعات آفتابی، ارتفاع، تابش خورشیدی و رطوبت نسبی بودند. نتایج پژوهش حاضر نشان داد که روش Ranker با مدل Relifef- FAttribute-Eval در هر سه روش طبقه بندی، دارای کمینه خطاست. این موضوع مبین این نکته است که بیشینه مقدار ساعات آفتابی، میانگین و بیشینه دما نسبت به سایر متغیر ها در پیش بینی مقدار تبخیر و تعرق موثرترند. بنابراین با استفاده از خوارزمیک Feature selection می توان در مناطق دارای کمبود داده با استفاده از متغیرهای کمتر اقدام به پیش بینی تبخیر و تعرق نمود و در زمان و هزینه صرفه جویی کرد.