پیش بینی ریزش باران در استان خراسان جنوبی با استفاده از تکنیک های داده کاوی

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 470

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF05_385

تاریخ نمایه سازی: 21 اردیبهشت 1397

چکیده مقاله:

آب بعد از هوا مهمترین ماده ی مورد نیاز موجودات زنده میباشد. امروزه یکی از مسایل مهم و چالش برانگیز دنیا کم آبی و برطرف کردن مشکلات آن میباشد. تغییرات اقلیمی یکیاز مشکلات مردم جهان است و برای سیاره زمین یک خطر جدی محسوب میشود طی سال های اخیر آسیبهایی که به علت سیل در کشورهای مختلف جهان پیش آمده رشد صعودی داشته است بارانهای ناگهانی خود یکی از عوامل تهدید کننده برای وقوع سیل به حساب می آید. پیش بینی ریزش باران در مدیریت این خطرات نقش بسزا و پررنگی دارد زیرا با اطلاع از میزان بارندگی میشود جلوی وقوع سیل را گرفت وکارهای لازم را برای جلوگیری از آنرا انجام داد.کشور ایران بیش از نیمی از آن کویری و نیمه کویری است و از بیآبی رنج برده و دچار بحران کمبود آب می باشد بنابراین پیش بینی ریزش باران برای هر نقطه از کشور بسیار مهم میباشد، بخصوص برای استانخراسانجنوبی که دارای آبوهوای خشک و بیابانی است. در این مقاله به پیش بینی ریزش باران در استان خراسان جنوبی از روش رگرسیون از طریق طبقه بندی† میپردازیم. رویکردهایی مانند مدل انتشار بازگشتی در شبکه های عصبی، رگرسیون خطی، ماشین بردار پشتیبانی، شبکه های بیزی، و منطق فازی همگی می توانند اعمال شوند اما میزان پیش بینی آنها بسیار پایین است که به نتایج غیرقابل انتظار می انجامد . مطالعه کنونی بر اعمال رگرسیون از طریق طبقه بندی متمرکز است که یک تکنیک داده کاوی در پیش بینی بارندگی به شمار می آید. از اهداف مقاله میتوان به این موارد اشاره داشت که اولا0 با ارایه و انتخاب یک مدل رگرسیونی خوب میتوان میزان باران را به صورت محلی با دقت بالا در استانخراسانجنوبی پیش بینیکرد. دوما با انتخاب بهترین ویژگی ها میتوان مساله را با کمترین پیچیدگی حل نمود. سوم اینکه استفاده از این روش میتواند دقت پیش بینی باران را افزایش دهد . بعد از بررسی به معادله ای رسیدیم که توانستیم بر اساس بارندگی ماه گذشته، میزان بارندگی در ماه بعد را پیش بینی کنیم. نتایج نشان داد روش ما عملکرد بهتری در پیش بینی ریزش باران دارد.

کلیدواژه ها:

نویسندگان

منصوره معمارزاده

گروه کامپیوتر، دانشکده مهندسی، واحد بیرجند، دانشگاه آزاد اسلامی، بیرجند، ایران

مصطفی سبزه کار

استادیار گروه کامپیوتر، دانشگاه صنعتی بیرجند، ایران

محمد قاسمی گل

استادیار گروه کامپیوتر، دانشگاه بیرجند، ایران