پیش بینی دمای نقطه شبنم با استفاده از مدل های مبتنی بر درخت و هسته

دمای نقطه شبنم یکی از کاربردی ترین پارامترهای هواشناسی است که در علم مکانیک (بخش تهویه و مطبوع) و کشاورزی بسیار مورد استفاده قرار می گیرد. در این پژوهش، توانمندی مدل های رگرسیون بردار پشتیبان، مدل درختی، مدل تولید قوانین از مدل درختی، مدل فرآیند گاوسی، مدل رگرسیون خطی، مدل جنگل تصادفی و مدل درخت تصادفی در تخمین دمای نقطه شبنم مورد ارزیابی قرار گرفته است. داده های هواشناسی روزانه دو ایستگاه گرگان و شهرکرد، برای بازه زمانی سال های 1990 تا 2021 استفاده شده است. همچنین، پارامترهای هواشناسی دمای میانگین، دمای حداکثر، دمای حداقل، میانگین سرعت باد، ساعات آفتابی، میانگین رطوبت نسبی، حداکثر رطوبت نسبی، حداقل رطوبت نسبی نسبت به هم ارزیابی و 8 سناریوی مختلف به عنوان پارامتر ورودی برای هر مدل در نظر گرفته شد. نتایج نشان داد که مدل رگرسیون بردار پشتیبان، برای سناریوی 8، با جذر میانگین مربعات خطا 222/0، معیار انحراف خطا 092/0، میانگین خطای مطلق 147/0، شاخص توافق ویلموت 1 در ایستگاه گرگان و مدل رگرسیون بردار پشتیبان برای سناریوی 7، با جذر میانگین مربعات خطا 55/0، معیار انحراف خطا 285/0، میانگین خطای مطلق 346/0، شاخص توافق ویلموت 997/0 در ایستگاه شهرکرد، به عنوان مدل های برتر برای تخمین دمای نقطه شبنم روزانه هستند. در نهایت، روش رگرسیون بردار پشتیبان، به عنوان روشی توانمند در پیش بینی دمای نقطه شبنم برای استفاده در مقاصد کشاورزی معرفی گردید.