Abstract:
برای مطالعة خشکسالی روشهای مختلفی وجود دارد. روش تحلیل دادههای بارندگی، جزو عمومی روشهای تحلیل خشکسالی به شمار میرود؛ لذا پیشبینی دقیق و پیش از وقوع بارش میتواند شرایط را برای ارزیابی وضعیت خشکسالی فراهم نماید. هدف این پژوهش، بررسی تاثیر پیشپردازش دادههای بارش ماهانة ایستگاه سینوپتیک سنندج بر عملکرد مدل درخت تصمیم در پیشبینی خشکسالی در ایستگاه سینوپتیک سنندج میباشد. در این پژوهش از الگوریتم CART به عنوان یکی از انواع درختان تصمیم رگرسیونی جهت پیشبینی بارش 12 ماه بعد استفاده شده و جهت ارزیابی درختهای ایجاد شده از معیارهای آماری مختلف استفاده شدهاست. دادههای مورد استفاده در این پژوهش مربوط به آمار ماهانۀ بارندگی، رطوبت نسبی، دمای حداکثر، دمای متوسط، جهت باد و سرعت باد در دورۀ آماری (1389- 1349) است. نتایج حاصل از پژوهش نشان میدهد که در ایستگاه سینوپتیک سنندج درخت تصمیمگیری رگرسیونی، مدلی نسبتا کارا درپیشبینی خشکسالی میباشد؛ به طوری که درشبیه سازی های صورت گرفته، زمانی که از میانگین متحرّک پنج سالة دادهها برای اجرای مدل استفاده گردید، ترکیب بارش قبلی و دمای حداکثر به عنوان مناسبترین حالت با مقدار خطای 06/ 0 شناسایی شده و اعمال میانگین متحرک روی دادههای اصلی در بهبود کارایی مدل موثر است. در این شرایط، روش درخت تصمیم رگرسیونی ایستگاه سنندج با ضریب اطمینان بالایی میزان بارش را 12 ماه پیش از وقوع بر آورد نمایند.
There are several ways to study drought. Method of analysis rainfall data, Public Sector analysis methods is drought. Therefore, accurate prediction and before the outbreak precipitation could provide the conditions for assessing the drought situation. The purpose of this study is investigating the effect of data preprocessing on the performance of the decision tree model to predict drought in synoptic station in Sanandaj. In this study, CART algorithms (Classification and regression tree) has been used as variety of decision tree regression in order to predict precipitation forecast of12months. The data used in this study are the monthly precipitation, relative humidity, the maximum temperature, the average temperature, wind direction and wind speed in a specific statistical period(1970 - 2010). To assess the created trees in this study, different statistical measures have been used which in the end results show that in synoptic station in Sanandaj, decision tree regression model is a relatively efficient model to predict drought in which using a moving averages compared to other states led to Increasing the efficiency of decision tree mode land providing thread just mint in the range of changes, the input data with a high reliability is able to estimate the amount ofprecipitation12months before it occurs which in the simulation carried outing this study, when the five-year moving average of the data has been used to implement the model ,combination of previous rainfall, maximum temperature has been identified as the most appropriate states. The findings shows that applying moving average to the original data, dramatically improves the performance of the model. In these circumstances, the decision tree method regression in Sanandaj station with high reliability level estimate the occurrence of precipitation in 12 months ago.
Machine summary:
نتایج حاصل از پژوهش نشان میدهد که در ایستگاه سینوپتیک سنندج درخت تصمیم گیری رگرسیونی، مدلی نسبتاً کارا در پیش بینی خشکسالی میباشد؛ به طوریکه در شبیه سازیهای صورت گرفته ، زمانی که از میانگین متحرّک پنج سالۀ دادهها برای اجرای مدل استفاده گردید، ترکیب بارش قبلی و دمای حداکثر به عنوان مناسب ترین حالت با مقدار خطای ٠/٠٦ شناسایی شده و اعمال میانگین متحرک روی دادههای اصلی در بهبود کارایی مدل مؤثر است .
)به تصویرصفحه مراجعه شود) (الف ) )به تصویرصفحه مراجعه شود)شکل ٤: (الف و ب) تغییرات مقادیر پیش بینی شده در مقابل مقادیر واقعی درحالت استفاده از اصل دادهها نتایج مدل درخت تصمیم با استفاده از میانگین متحرک سه سالۀ دادههای اولیه : در این حالت جهت اجرای مدل، ٥ متغیر مستقل شامل میانگین متحرک سه سالۀ دادههای بارش قبلی، دمای متوسط ، دمای ماکزیمم ، رطوبت نسبی و سرعت باد با ٤٩٦ سطر داده در اختیار سیستم قرار گرفته است که از این تعداد ٣٤٨ سطر داده در مرحلۀ آموزش و ١٤٨ سطر در مرحلۀ آزمون استفاده گردیدهاست .
بنابراین برای انجام این پژوهش در راستای اهمیت موضوع و با هدف ارزیابی کارایی مدل درخت تصمیم گیری در برآورد خشکسالی ایستگاه سینوپتیک سنندج از آمار ماهیانۀ بارندگی، رطوبت نسبی، دمای ماکزیمم ، دمای متوسط ، جهت و سرعت باد در دورة آماری (١٣٨٩- ١٣٤٩) استفاده شدهاست .