ارزيابي روش هاي غيرپارامتريك بر روي مدل سازي عمق معادل برف

هدف از اين تحقيق اجراي روش‌هاي غيرپارامتريك (رگرسيون مبتني بر ميانگين، رگرسيون مبتني بر هسته و k- همسايه نزديكتر) در مدل‌سازي عمق برف و همچنين اثر كاهش ويژگي‌ها با مدل‌هاي آناليز مؤلفه اصلي، الگوريتم پيشرو و الگوريتم بهينه‌ساز جمعيت ذره‌ها در محيط نرم‌افزار متلب، وكارايي اين روش‌ها جهت مدل‌سازي داده‌هاي عمق برف در منطقه چلگرد ايران است. به همين منظور ابتدا با استفاده از روش هايپركيوب محل 100 نقطه مشخص و طي يك عمليات صحرايي داده‌هاي عمق برف در نقاط مورد نظر و همچنين در 195 نقطه ديگر به صورت تصادفي و با نمونه‌بردار مدل فدرال برداشت گرديد. سپس با استفاده از مدل رقومي ارتفاع 25 پارامتر ژئومورفومتري استخراج گرديد و همراه با 6 باند تصاوير ماهواره لندست 8 و شاخص NDSI به عنوان ورودي‌هاي مدل‌ها انتخاب گرديد. نتايج حاصل از اين پژوهش نشان داد كه در روش‌هاي غيرپارامتريك] روش k- همسايه نزديكتر با ميزان مجذور ميانگين مربعات خطاي 57/ 37 دقت بهتري داشت. همچنين اثر كاهش ويژگي‌ها بر روي روش‌ غيرپارامتريك مشهود بوده مي‌باشد. نتايج بدست آمده از روش انتخاب ويژگي پيش‌رو با ميزان مجذور ميانگين مربعات خطاي 17 /22بهترين نتيجه و همچنين نتايج بدست آمده از روش انتخاب ويژگي بهينه‌ساز جمعيت ذره‌ها با ميزان مجذور ميانگين مربعات خطاي19 /22نيز نتيجه خوبي داشته است.