روش ترکیبی درخت تصمیم و قوانین انجمنی در پیش‌بینی بلندمدت بارش

• Main Authors: وحید نورانی, محمدتقی ستاری, امیر مولاجو
• Format: Article
• Language: fas
• Published: University of Tehran, College of Aburaihan 2016-10-01
• Series: مدیریت آب و آبیاری
• Subjects: ارومیه; بیشینة بارش ماهانه; تبریز; داده‌کاوی; دمای سطح دریا; طبقه‌بندی
• Online Access: https://jwim.ut.ac.ir/article_63786_020ecf7808ec44d3c2dacb4a8e503d2e.pdf

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.