پيش‌بيني ريزش باران در استان خراسان‌جنوبي با استفاده از تكنيك‌هاي داده‌كاوي

Rainfall forecasting in Southern khorasan province using Data mining techniques

آب بعد از هوا مهم‌ترين ماده ي مورد نياز موجودات زنده مي‌باشد. امروزه يكي از مسائل مهم و چالش‌ برانگيز دنيا كم آبي و برطرف كردن مشكلات آن مي‌باشد تغييرات اقليمي يكي‌از مشكلات مردم جهان است و براي سياره زمين يك خطر جدي محسوب مي‌شود طي سال‌هاي اخير آسيب‌هايي كه به علت سيل در كشور‌هاي مختلف جهان پيش آمده رشد صعودي داشته است باران‌هاي ناگهاني خود يكي از عوامل تهديد كننده براي وقوع سيل به حساب مي‌آيد پيش‌بيني ريزش باران در مديريت اين خطرات نقش‌بسزا و پررنگي دارد زيرا با اطلاع از ميزان بارندگي مي‌شود جلوي وقوع سيل را گرفت وكارهاي لازم را براي جلوگيري از آن‌را انجام دادكشور ايران بيش از نيمي از آن كويري و نيمه‌كويري است و از بي‌آبي رنج برده و دچار بحران كمبود آب مي باشد بنابراين پيش‌بيني‌ريزش باران براي هر نقطه از كشور بسيار مهم مي‌باشد بخصوص براي استان‌خراسان‌جنوبي كه داراي آب‌و‌هواي خشك و بياباني است در اين مقاله به پيش‌بيني ريزش ‌باران در استان‌ خراسان‌جنوبي از روش‌ رگرسيون از طريق طبقه‌بندي مي‌پردازيم رويكردهايي مانند مدل انتشار بازگشتي در شبكه هاي عصبي رگرسيون خطي ماشين بردار پشتيباني شبكه هاي بيزي و منطق فازي همگي مي توانند اعمال شوند اما ميزان پيش بيني آنها بسيار پايين است كه به نتايج غيرقابل انتظار مي انجامد مطالعه كنوني بر اعمال رگرسيون از طريق طبقه بندي متمركز است كه يك تكنيك داده كاوي در پيش بيني بارندگي به شمار مي آيد از اهداف مقاله مي‌توان به اين موارد اشاره داشت كه اولاً با ارائه‌ و انتخاب يك ‌مدل‌ رگرسيوني ‌خوب‌ مي‌توان ميزان‌ باران را‌ به‌صورت محلي ‌با دقت بالا در استان‌خراسان‌جنوبي پيش‌بيني‌كرد دوما با انتخاب بهترين ويژگي ها مي‌توان مساله را با كمترين پيچيدگي حل نمود. سوم اينكه استفاده از اين روش مي‌تواند دقت پيش‌بيني باران را افزايش دهد بعد از بررسي به معادله اي رسيديم كه توانستيم بر اساس بارندگي ماه گذشته ميزان بارندگي در ماه بعد را پيش بيني كنيم نتايج نشان داد روش ما عملكرد بهتري در پيش بيني ريزش باران دارد واژگان كليدي پيش بيني ريزش باران استان‌ خراسان‌جنوبي رگرسيون طبقه بندي شبكه‌هاي‌عصبي

Water after air is the most important substance for living organisms Today one of the most important and challenging issues in the world is the lack of water and dealing with its associated problems Climate change is one of the problems of the people around the world and it is a serious threat to the Earth planet In recent years the damage caused by flooding in different countries of the world has been rising and sudden rains are considered as one of the major threats for occurrence of floods The prediction of rainfalls has a significant and critical role in managing these dangers because knowing the amount of rainfall can help to prevent the flood and take the necessary measures to prevent it Iran has more than half of it desert and semi-desert and suffers from water shortage crisis Therefore the prediction of the rain is very important for any part of the country especially for southern provinces with dry and desert climate In the present paper the regression method is used along with the classification to predict rainfall in South Khorasan Province [1] Approaches such as the recursive propagation model in neural networks, linear regression support vector machines, Bayesian networks and fuzzy logic can all be applied but their prediction rates are very low which leads to unexpected results The current study focuses on applying regression through classification which is a data mining technique in prediction of rainfall Among the objectives of the paper it can be noted that firstly by presenting and choosing a good regression model rainfall can be predicted locally with high precision in the South Khorasan Province Secondly by choosing the best features the problem can be solved with minimal complexity Third using this method can increase the accuracy of rain forecasting After the survey we arrived at an equation with which we could predict the rainfall in the following month based on the rainfall of the previous month The results showed that our method has better performance in predicting rainfall