|
Title
|
رهیافت ترکیب وزنی مدل ها با روش های عکس واریانس و رگرسیون حداقل مربعات در تخمین دمای نقطه شبنم
|
|
Type of Research
|
Article
|
|
Keywords
|
رهیافت ترکیب، عکس واریانس، رگرسیون حداقل مربعات،GMDH
|
|
Abstract
|
برآورد دمای نقطه شبنم با روشی کارآمد در بسیاری از زمینه ها مانند برنامه ریزی های بخش کشاورزی از جمله محافظت محصولات در برابر صدمات، مطالعات هواشناسی، هیدرولوژیکی و اکولوژیکی مفید می باشد. در این تحقیق از رهیافت ترکیب پیش بینی مدل های رگرسیون درختی، روش گروهی مدلسازی داده ها(GMDH) و روش تجربی جهت تخمین دمای نقطه شبنم در ایستگاه های رشت، یزد و ارومیه استفاده شد. داده های ورودی مدل های منفرد شامل داده های 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 روش های عکس واریانس و رگرسیون حداقل مربعات انجام گرفت. در مدل های منفرد، مدل GMDH نسبت به سایر مدل ها 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 می باشد. رهیافت ترکیبی نسبت به مدل-های 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 ایستگاه های رشت، ارومیه و یزد به ترتیب 97/0، 96/0 و 87/0 می باشد. همچنین نوع معیار خطای مورد استفاده و توان تعریف شده در روش عکس واریانس در مقادیر پیش بینی موثر است و توان مناسب مربوط به خطا براساس داده های موجود ارائه شد.در بررسی تاثیر تنوع اقلیمی، ایستگاه رشت دارای کمترین خطا می باشد. همچنین عملکرد رهیافت ترکیبی با استفاده ار مدل های منفرد قوی افزایش می یابد.
|
|
Researchers
|
Laleh Parviz (First Researcher)
|