ارزيابي كارائي مدل‌هاي داده‌كاوي در مدل‌سازي بارش ماهانه شهر زاهدان

Evaluating the Efficiency of Data Mining Models in Monthly Precipitation Modeling in Zahedan City

ايران در محدوده اقليمي خشك و نيمه خشك جهان و با الگوهاي نامنظم زماني بارش قرار گرفته است. كمبود بارش ها سبب شده كه بخش هايي از كشورمان گريبانگر بحران آب شود. در چنين شرايطي مدل سازي بارش كه داراي ماهيتي تصادفي مي باشد، با استفاده از ابزارهاي نوين داده كاوي كمك شاياني به مديريت مناسب منابع آب خواهد كرد. درختان تصميم زيرمجموعه اي از روش هاي داده كاوي است كه در طبقه بندي و پيش‏بيني پديده‏هاي طبيعي بكار مي روند. هدف از اين مقاله ارزيابي كارايي مدل‏هاي M5و REPTree در مدل‌سازي بارش ماهانه ايستگاه همديدي شهر زاهدان مي‌باشد. در اين تحقيق پس از پيش پردازش و بررسي اوليه داده‏ها، ابتدا همبستگي بين بارش با پارامترهاي هواشناسي و دماي سطح اقيانوس هند در دوره آماري 1396-1366 استخراج و سپس با شناسائي همبستگي ها تركيبي از پارامترهاي موثر در دو سناريو به عنوان ورودي مدل‏ها در نظر گرفته شد. نتايج نشان‌دهنده اين بود كه در نظر گرفتن دماي سطح اقيانوس هند همراه با پارامترهاي هواشناسي باعث افزايش دقت مدل-سازي مي گردد. همچنين مشخص گرديد دقت مدل M5 با ارائه چهار رابطه خطي بيشتر از مدل REPTree است