لاله پرویز
چکیده
برآورد دمای نقطه شبنم با روشی کارآمد در بسیاری از زمینه‌ها مانند برنامه‌ریزی‌های بخش کشاورزی از جمله محافظت محصولات در برابر صدمات، مطالعات هواشناسی، هیدرولوژیکی و اکولوژیکی مفید می‌باشد. در این تحقیق از رهیافت ترکیب پیش‌بینی مدل-های رگرسیون درختی، روش گروهی مدلسازی داده‌ها(GMDH) و روش تجربی جهت تخمین دمای نقطه شبنم در ایستگاه‌های ...
بیشتر
برآورد دمای نقطه شبنم با روشی کارآمد در بسیاری از زمینه‌ها مانند برنامه‌ریزی‌های بخش کشاورزی از جمله محافظت محصولات در برابر صدمات، مطالعات هواشناسی، هیدرولوژیکی و اکولوژیکی مفید می‌باشد. در این تحقیق از رهیافت ترکیب پیش‌بینی مدل-های رگرسیون درختی، روش گروهی مدلسازی داده‌ها(GMDH) و روش تجربی جهت تخمین دمای نقطه شبنم در ایستگاه‌های رشت، یزد و ارومیه استفاده شد. داده‌های ورودی مدل‌های منفرد شامل داده‌های بیشینه سرعت باد، میانگین سرعت باد، دمای بیشینه، دمای کمینه، متوسط دما، متوسط رطوبت نسبی، کمینه و بیشینه رطوبت نسبی و فشار بخار اشباع بودند. رهیافت ترکیبی براساس رویکرد وزنی با روش‌های عکس واریانس و رگرسیون حداقل مربعات انجام گرفت. در مدل‌های منفرد، مدل GMDH نسبت به سایر مدل‌ها از کارایی بالایی برخوردار است به طوری که میزان کاهشRMSE از روش تجربی و رگرسیون درختی به مدل GMDH در ایستگاه رشت به ترتیب 66/66 و 45/59 درصد می‌باشد. رهیافت ترکیبی نسبت به مدل‌های انفرادی دقت عمل بالایی دارد و روش رگرسیون حداقل مربعات نسبت به روش عکس واریانس با معیارهای خطای متفاوت دارای خطای کمتری است، به طوری که محاسبه ضریب نش-ساتکلیف در ایستگاه‌های رشت، ارومیه و یزد به ترتیب 97/0، 96/0 و 87/0 می‌باشد. همچنین نوع معیار خطای مورد استفاده و توان تعریف شده در روش عکس واریانس در مقادیر پیش‌بینی موثر است و توان مناسب مربوط به خطا براساس داده‌های موجود ارائه شد.در بررسی تاثیر تنوع اقلیمی، ایستگاه رشت دارای کمترین خطا می‌باشد. همچنین عملکرد رهیافت ترکیبی با استفاده ار مدل‌های منفرد قوی افزایش می‌یابد.
