پیش بینی بارش ماهانه با مدل درختی M5 و مقایسه آن با روش های کلاسیک آماری)مطالعه موردی: ایستگاه سینوپتیک ارومیه(

نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
در این تحقیق جهت تخمین داده های بارش ماهانه ایستگاه ارومیه که از سال 2006 تا 2007 مفقود فرض شده است از روش های آماری کلاسیک و مدل درختی M5 با استفاده از نرم افزارWeka و به کارگیری ایستگاه های مهاباد، خوی، سلماس، تکاب و ماکو استفاده شده است. در بین ایستگاه های مورد مطالعه، ایستگاه مهاباد با (r=0.90) بیشترین همبستگی را با ایستگاه ارومیه داشت. 26 سناریو از آمار ده ساله ایستگاه های مجاور در تخمین بارش ماهانه ایستگاه شاهد (ارومیه) به نرم افزار Weka معرفی شده است که از بین سناریوها، سناریویی که شامل سه ایستگاه مهاباد، ماکو و تکاب با MAE=7.19، r=0.9، RMSE=9.64 به دلیل کم بودن پارامترهای ورودی به مدل به عنوان ساده-ترین و دقیق ترین سناریو به مدل تعریف گردید. از بین روش های کلاسیک ، روش بهترین تخمین گر منفرد (SIB) بهترین روش با بیشترین ضریب همبستگی و کمترین خطا r=0.90،RMSE=10.51،MAE=7.07انتخاب شده است. مدل درختی M5 در برآورد داده ها با r=0.91،RMSE=9.94،MAE=7.29 بهترین عملکرد را داشته است و به دلیل ارائه روابط خطی ساده و قابل فهم به عنوان روشی جایگزین و کاربردی در محاسبه داده های بارش ماهانه مورد توجه قرار می گیرد.
زبان:
فارسی
صفحات:
179 تا 183
لینک کوتاه:
magiran.com/p1791749 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!