ارزیابی کارایی مدل درخت تصمیم رگرسیونی در پیش بینی خشکسالی نمونه موردی: ایستگاه سینوپتیک سنندج

برای مطالعه خشکسالی روش های مختلفی وجود دارد. روش تحلیل داده های بارندگی، جزو عمومی روش های تحلیل خشکسالی به شمار می رود؛ لذا پیش بینی دقیق و پیش از وقوع بارش می تواند شرایط را برای ارزیابی وضعیت خشکسالی فراهم نماید. هدف این پژوهش، بررسی تاثیر پیش پردازش داده های بارش ماهانه ایستگاه سینوپتیک سنندج بر عملکرد مدل درخت تصمیم در پیش بینی خشکسالی در ایستگاه سینوپتیک سنندج می باشد. در این پژوهش از الگوریتم CART به عنوان یکی از انواع درختان تصمیم رگرسیونی جهت پیش بینی بارش 12 ماه بعد استفاده شده و جهت ارزیابی درخت های ایجاد شده از معیارهای آماری مختلف استفاده شده است. داده های مورد استفاده در این پژوهش مربوط به آمار ماهانه بارندگی، رطوبت نسبی، دمای حداکثر، دمای متوسط، جهت باد و سرعت باد در دوره آماری (1389- 1349) است. نتایج حاصل از پژوهش نشان می دهد که در ایستگاه سینوپتیک سنندجدرخت تصمیم گیریرگرسیونی،مدلینسبتاکارادرپیش بینی خشکسالی می باشد؛ به طوری که درشبیه سازی هایصورتگرفته،زمانیکهاز میانگینمتحرکپنجساله داده هابرایاجرایمدلاستفادهگردید، ترکیب بارشقبلی ودمایحداکثر بهعنوانمناسب ترینحالت با مقدار خطای 06/0 شناساییشده و اعمال میانگین متحرک روی داده های اصلی در بهبود کارایی مدل موثر است. در این شرایط، روش درخت تصمیم رگرسیونی ایستگاه سنندج با ضریب اطمینان بالایی میزان بارش را 12 ماه پیش از وقوع برآورد نمایند.