[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت‌نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
فعالیت‌های انجمن::
اصول اخلاقی::
بانک‌ها و نمایه نامه‌ها::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آخرین مطالب بخش
:: ارزیابی ضریب تاثیر سال ۱۴۰۰
:: شماره ۳۵ نشریه
..
آخرین مطالب سایر بخش‌ها
..
فرم تعارض منافع و تعهد نویسندگان
نویسنده گرامی، تکمیل و ارسال فرم تعهد نویسندگان و فرم تعارض منافع در زمان ارسال مقاله الزامی است.
جهت دریافت فرم، روی کلمه فرم مورد نظر کلیک فرمایید و پس از تکمیل، در قسمت فایل‌های پیوست قرار دهید.
..
:: دوره 10، شماره 3 - ( 9-1401 ) ::
دوره 10 جلد 3 صفحات 10-1 برگشت به فهرست نسخه ها
پیش بینی بارش روزانه ایستگاه سردشت با استفاده از الگوریتم های تنبل و مدل‌های درختی
میلاد شرفی* ، جواد بهمنش
دانشگاه ارومیه، ارومیه، ایران
چکیده:   (969 مشاهده)
با توجه به توزیع ناهمگون بارش، پیش‌بینی وقوع آن‌یکی از راه‌کارهای اولیه و اساسی برای پیش‌گیری از بلایای احتمالی و خسارات ناشی از آن است. با توجه به بالا بودن میزان بارندگی­ در شهرستان سردشت، روی آوردن مردم این شهرستان به کشاورزی در سال­ های اخیر و عدم استفاده از مدل­های طبقه­ بندی در ایستگاه مورد مطالعه، پیش­ بینی هرچه دقیق­ تر پارامتر بارش روزانه امری ضروری است. از طرفی دیگر، با اینکه عملکرد مطلوب الگوریتم­ های تنبل و مدل­ های درختی باعث افزایش استفاده از آن­ ها برای پیش ­بینی پدیده ­های مختلف هیدرولوژیکی شده اما این الگوریتم­ ها در شهرستان سردشت مورد استفاده قرار نگرفته ­اند. لذا در این پژوهش، چهار مدل Kstar، M5P، الگوریتم یادگیری با وزن‌دهی محلی و جنگل تصادفی برای پیش­بینی بارش روزانه ایستگاه سردشت به کار گرفته‌شده است. در این مطالعه از هفت پارامتر ورودی میانگین دما، حداکثر دما، رطوبت نسبی متوسط​​، حداکثر رطوبت نسبی، سرعت باد متوسط، حداکثر سرعت باد و ساعات آفتابی که هم­زمان با بارش روزانه بودند، برای مدل­ها استفاده شد. مقایسه و ارزیابی بین پارامترهای ورودی نشان داد که پارامتر ساعات آفتابی ازجمله مهم­ ترین پارامترهای ورودی بوده که نقش قابل­ توجهی در دقت پیش­ بینی مدل­ های مورد استفاده داشته است. نتایج به‌دست‌آمده نشان داد که مدل درختی M5P در سناریوی هفتم بهترین عملکرد را با بیش‌ترین ضریب همبستگی (734/0 میلی­متر بر روز) نسبت به دیگر مدل­ ها داشته است. هم‌چنین، سناریوی هفتم عملکرد بالایی نسبت به بقیه سناریوها از خود نشان داد. لذا می توان گفت که افزایش ورودی مدل­ ها تا حدودی رابطه مستقیمی با دقت آن­ها دارد. به‌طورکلی می­ توان گفت که مدل درختی M5P برای مدل­سازی و پیش بینی بارش روزانه شهرستان سردشت مناسب بوده و برای استفاده ­های بعدی پیشنهاد می‌شود.
شماره‌ی مقاله: 1
واژه‌های کلیدی: الگوریتم یادگیری، پیش‌بینی، سردشت، مدل‌سازی، مدل درختی
متن کامل [PDF 1086 kb]   (176 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

sharafi M, behmanesh J. Prediction of daily precipitation of Sardasht Station using lazy algorithms and tree models. Journal of Rainwater Catchment Systems 2022; 10 (3) : 1
URL: http://jircsa.ir/article-1-468-fa.html

شرفی میلاد، بهمنش جواد. پیش بینی بارش روزانه ایستگاه سردشت با استفاده از الگوریتم های تنبل و مدل‌های درختی. سامانه‌هاي سطوح آبگير باران. 1401; 10 (3) :1-10

URL: http://jircsa.ir/article-1-468-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 10، شماره 3 - ( 9-1401 ) برگشت به فهرست نسخه ها
مجله علمی سامانه های سطوح آبگیر باران Iranian Journal of Rainwater Catchment Systems
تکمیل و ارسال فرم تعارض منافع
نویسنده گرامی ، پس از ارسال مقاله ، جهت دریافت فرم، لطفا بر روی کلمه فرم تعارض منافع کلیک نمایید و پس از تکمیل، در فایل های پیوست مقاله قرار دهید.
Persian site map - English site map - Created in 0.05 seconds with 38 queries by YEKTAWEB 4645