ارزیابی دو الگوریتم داده کاوی CART و CHAID در پیش بینی دمای هوای ایستگاه سینوپتیک اراک

سیدحسن میرهاشمی, مهدی پناهی

چکیده


در این مقاله، دو الگوریتم داده­کاوی CART و CHAID در پیش­بینی دمای هوای ایستگاه سینوپتیک اراک ارزیابی شده است. داده­های مورد استفاده در این مقاله داده­هاي متوسط ماهانه ایستگاه سینوپتیک اراک بوده است. پس از معرفی کردن داده­های هواشناسی به صورت متوسط ماهانه که شامل متوسط ساعات آفتابی، دماي نقطه شبنم، درصد رطوبت نسبی، سرعت باد، کمبود فشار بخار اشباع طی دوره چهل و شش ساله، از سال 1960 تا 2005 میلادی به الگوریتم­های مذکور، به عنوان متغییرهای ورودی و متوسط دمای ماهانه ماه بعد به عنوان متغیرهاي خروجی، سپس الگوریتم­های  CART و  CHAID مورد ارزیابی به وسیله ضریب رگرسیون و متوسط مطلق خطا قرار گرفتند. بر طبق دو شاخص آماری مدل درختی CHAID  دارای عملکرد بهتری در پیش­بینی دمای متوسط ماه بعد داشته است.


واژگان کلیدی


پیش‌بینی، مدل درختی، CART، CHAID، دمای متوسط ماهانه، ایستگاه سینوپتیک اراک

تمام متن:

PDF

منابع و مآخذ مقاله


غضنفري، مهدی. داده کاوی و کشف دانش. تهران: دانشگاه علم و صنعت ایران. ١٣٨٧

محمودی، ک.، رستمی، ح.، سایبانی، م.، مرادی، ع. 1392. مروری بر علم داده‌کاوی و کاربرد آن در صنایع فراساحل. پنجمین همایش ملی صنایع فراساحل OIC. دانشگاه شریف.

مشکانی، علی و ناظمی، عبدالرضا. مقدمه‌ای بر داده‌کاوی، انتشارات دانشگاه آزاد اسلامی واحد نیشابور، سال 1388، ص 456.

مورتیمر، چارلز. شیمی عمومی ۱. ترجمه‌ی عیسی یاوری. نشر علوم دانشگاهی، ۱۳۸۱

Allen RG., Pereira LS., Raes D. and Smith M. 1998. Crop evapotranspiration, Irrigation and Drainage Paper No. 56. Food and Agriculture Organizataion: Rome, Italy.

Cabena PH., Stadler R., Verhees J., and Zanasi .: 1998, Discovering data mining: From concept to implementation, IMB, New Jersey, 195 pp.

Diamantopoulou MJ., Georgiou PE. and Papamichial DM. 2010. Perforeance evaluation of artificial neural network in estimating reference evapotranspiration with minimal meteorological data. Global nest Journal, V. 13., 1: 18-27.

Giudici P.2003. Applied data Mining: statistical methods for business and industry. Wily, London . pp. 364

Itenfisu D., Elliott, RL., Allen RG. and Walter IA. 2003. Comparison of reference evapotranspiration calculations as part of the ASCE standardization effort. Journal of Irrigation and Drainage Engineering, ASCE 129: 440-448

Kass G. 1980. An Exploratory technique for investigating large quantities of categorical data, Applid Statistics, V. 29, P. 119-127.

Keskin ME., Terzi Ö., and Kücüksille EU. 2009. Data Mining Process for integrated evaporation model. J. ASCE, 135:39-43. doi: 10.1061/0733-9437.135:1(39).

Pal M. and Deswal S. 2009. M5 model tree based modeling of reference evapotranspiration. Hydrol. Process. 23:1437-1443.

Rahimikhoob A. 2010. Estimation of evapotranspiration based on only air temperature data using artificial neural networks for a subtropical climate in iran. J. Theorical and applied climatology, 101: 83-91. Doi: 10.1007/s00704-009-0204-z.

Shirsath PB. and Singh AK. 2010. A comparative study of daily pan evaporation estimation using ANN, Regression and climate based models. J. Water resource management, 24:1571-1581. Doi: 10.1107/s11269-009-9514-2

Vanderberg H., Sogard P. and Motoroni S. 1999. MineSetTM 3.0 Enterprise Edition Tutorial for Windows, Doc. No. 007-4006-001, Silicon Graphics Inc.


ارجاعات

  • در حال حاضر ارجاعی نیست.