روش ترکیبی درخت تصمیم و قوانین انجمنی در پیشبینی بلندمدت بارش
پپیشبینیهای بلندمدت متغیرهای هیدروکلیماتولوژیکی مهم نظیر بیشینة بارش ماهانه ابزاری مهم در مدیریت منابع آب است. تحقیقات گذشته نشان داده است که یافتن روابط بین پدیدههای بزرگمقیاس اقیانوسی- اتمسفری مانند دمای سطح دریاها و متغیرهای هیدروکلیماتولوژیکی، نظیر بارش، به پیشبینی بلندمدت این متغیرها کمک م...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | fas |
Published: |
University of Tehran, College of Aburaihan
2016-10-01
|
Series: | مدیریت آب و آبیاری |
Subjects: | |
Online Access: | https://jwim.ut.ac.ir/article_63786_020ecf7808ec44d3c2dacb4a8e503d2e.pdf |
id |
doaj-1917549849424c48b4870b105f321cf4 |
---|---|
record_format |
Article |
spelling |
doaj-1917549849424c48b4870b105f321cf42021-07-11T13:32:24ZfasUniversity of Tehran, College of Aburaihanمدیریت آب و آبیاری2251-62982382-99312016-10-016233134610.22059/jwim.2017.6378663786روش ترکیبی درخت تصمیم و قوانین انجمنی در پیشبینی بلندمدت بارشوحید نورانی0محمدتقی ستاری1امیر مولاجو2دانشگاه تبریزدانشگاه تبریزدانشگاه تبریزپپیشبینیهای بلندمدت متغیرهای هیدروکلیماتولوژیکی مهم نظیر بیشینة بارش ماهانه ابزاری مهم در مدیریت منابع آب است. تحقیقات گذشته نشان داده است که یافتن روابط بین پدیدههای بزرگمقیاس اقیانوسی- اتمسفری مانند دمای سطح دریاها و متغیرهای هیدروکلیماتولوژیکی، نظیر بارش، به پیشبینی بلندمدت این متغیرها کمک میکند. در این مطالعه ترکیب دو تکنیک دادهکاوی (درخت تصمیم و قوانین انجمنی) در استخراج وابستگیهای مهم بین بیشینة بارش ماهانة ایستگاههای سینوپتیکی ارومیه و تبریز و دمای سطح دریاهای سیاه، مدیترانه و سرخ معرفی شده است. دو گام اصلی در این مطالعه طبقهبندی دمای تفاضلی سطح آب دریاهای مذکور و انتخاب مؤثرترین گروهها، همچنین استخراج الگوهای پنهاننهفته در میان دادهها بود و از تکنیکها و الگوریتمهای درخت تصیم در طبقهبندی و انتخاب مؤثرترین گروهها و از قوانین انجمنی برای کشف الگوها و اطلاعات پنهاننهفته در میان دادههای مشاهداتی استفاده شد. نتایج نشان داد، بین هر یک از دمای سطوح آب دریاهای سیاه، مدیترانه و سرخ با بیشینة بارش ماهانة ایستگاههای سینوپتیکی ارومیه و تبریز همبستگی نسبی وجود دارد، بهطوری که شاخص اعتماد بین هر یک از دمای سطح پهنههای آبی فوق، با بیشینة بارش ماهانة ایستگاههای سینوپتیکی ارومیه و تبریز، بالاتر از 60 درصد برآورد شد.https://jwim.ut.ac.ir/article_63786_020ecf7808ec44d3c2dacb4a8e503d2e.pdfارومیهبیشینة بارش ماهانهتبریزدادهکاویدمای سطح دریاطبقهبندی |
collection |
DOAJ |
language |
fas |
format |
Article |
sources |
DOAJ |
author |
وحید نورانی محمدتقی ستاری امیر مولاجو |
spellingShingle |
وحید نورانی محمدتقی ستاری امیر مولاجو روش ترکیبی درخت تصمیم و قوانین انجمنی در پیشبینی بلندمدت بارش مدیریت آب و آبیاری ارومیه بیشینة بارش ماهانه تبریز دادهکاوی دمای سطح دریا طبقهبندی |
author_facet |
وحید نورانی محمدتقی ستاری امیر مولاجو |
author_sort |
وحید نورانی |
title |
روش ترکیبی درخت تصمیم و قوانین انجمنی در پیشبینی بلندمدت بارش |
title_short |
روش ترکیبی درخت تصمیم و قوانین انجمنی در پیشبینی بلندمدت بارش |
title_full |
روش ترکیبی درخت تصمیم و قوانین انجمنی در پیشبینی بلندمدت بارش |
title_fullStr |
روش ترکیبی درخت تصمیم و قوانین انجمنی در پیشبینی بلندمدت بارش |
title_full_unstemmed |
روش ترکیبی درخت تصمیم و قوانین انجمنی در پیشبینی بلندمدت بارش |
title_sort |
روش ترکیبی درخت تصمیم و قوانین انجمنی در پیشبینی بلندمدت بارش |
publisher |
University of Tehran, College of Aburaihan |
series |
مدیریت آب و آبیاری |
issn |
2251-6298 2382-9931 |
publishDate |
2016-10-01 |
description |
پپیشبینیهای بلندمدت متغیرهای هیدروکلیماتولوژیکی مهم نظیر بیشینة بارش ماهانه ابزاری مهم در مدیریت منابع آب است. تحقیقات گذشته نشان داده است که یافتن روابط بین پدیدههای بزرگمقیاس اقیانوسی- اتمسفری مانند دمای سطح دریاها و متغیرهای هیدروکلیماتولوژیکی، نظیر بارش، به پیشبینی بلندمدت این متغیرها کمک میکند. در این مطالعه ترکیب دو تکنیک دادهکاوی (درخت تصمیم و قوانین انجمنی) در استخراج وابستگیهای مهم بین بیشینة بارش ماهانة ایستگاههای سینوپتیکی ارومیه و تبریز و دمای سطح دریاهای سیاه، مدیترانه و سرخ معرفی شده است. دو گام اصلی در این مطالعه طبقهبندی دمای تفاضلی سطح آب دریاهای مذکور و انتخاب مؤثرترین گروهها، همچنین استخراج الگوهای پنهاننهفته در میان دادهها بود و از تکنیکها و الگوریتمهای درخت تصیم در طبقهبندی و انتخاب مؤثرترین گروهها و از قوانین انجمنی برای کشف الگوها و اطلاعات پنهاننهفته در میان دادههای مشاهداتی استفاده شد. نتایج نشان داد، بین هر یک از دمای سطوح آب دریاهای سیاه، مدیترانه و سرخ با بیشینة بارش ماهانة ایستگاههای سینوپتیکی ارومیه و تبریز همبستگی نسبی وجود دارد، بهطوری که شاخص اعتماد بین هر یک از دمای سطح پهنههای آبی فوق، با بیشینة بارش ماهانة ایستگاههای سینوپتیکی ارومیه و تبریز، بالاتر از 60 درصد برآورد شد. |
topic |
ارومیه بیشینة بارش ماهانه تبریز دادهکاوی دمای سطح دریا طبقهبندی |
url |
https://jwim.ut.ac.ir/article_63786_020ecf7808ec44d3c2dacb4a8e503d2e.pdf |
work_keys_str_mv |
AT wḥydnwrạny rwsẖtrḵybydrkẖttṣmymwqwạnynạnjmnydrpysẖbynyblndmdtbạrsẖ AT mḥmdtqystạry rwsẖtrḵybydrkẖttṣmymwqwạnynạnjmnydrpysẖbynyblndmdtbạrsẖ AT ạmyrmwlạjw rwsẖtrḵybydrkẖttṣmymwqwạnynạnjmnydrpysẖbynyblndmdtbạrsẖ |
_version_ |
1721308420297981952 |