مقایسه رگرسیون درخت تصمیم، رگرسیون‌ وزن‌دار جغرافیایی و رگرسیون معمولی در ترسیم نقشه‌های هم‌بارش

نویسندگان

چکیده

از روش‌های ترسیم نقشه‌های هم‌بارش،‏ استفاده از روابط رگرسیونی بین بارش با عوامل جغرافیایی مؤثر بر تغییرات مکانی آن است که خود به چند روش مختلف امکان‌پذیر است. بر این اساس تحقیقی صورت گرفت تا مقایسه‌ای بین روش‌های رگرسیونی سراسری مانند چند جمله‌ای سراسری و رگرسیون معمولی حداقل مربعات با روش‌های رگرسیون موضعی مانند چند جمله‌ای موضعی و رگرسیون وزن‌دار جغرافیایی و همچنین روش رگرسیون درخت تصمیم انجام شود و دقت آن‌ها ارزیابی شود. در انجام این تحقیق از آمار میانگین ?? ساله بارش سالانه ??? ایستگاه هواشناسی واقع در استان گیلان و مجاورت آن استفاده و به کمک پارامترهای دیگر مانند ارتفاع از سطح دریا و موقعیت نقاط نسبت به دریا،‏ تغییرات مکانی بارش مدل‌سازی شد. نتایج حاصل از تکنیک اعتبارسنجی تقابلی نشان داد که روش رگرسیون وزن‌دار جغرافیایی با ??= R? درصد،‏ ???RMSE= میلی‌متر از بهترین دقت نسبت به سایر روش‌های رگرسیونی مورد مطالعه برخوردار است و می‌تواند روش مناسبی در ترسیم نقشه‌های هم‌بارش در منطقه مطالعاتی به حساب آید.

کلیدواژه‌ها


عنوان مقاله [English]

Geographically weighted regression, Gilan, Isohyets, Ordinary least square regression, Regression Decision tree.

نویسندگان [English]

  • gh gh
  • a h
  • m z
چکیده [English]

Among various approaches for mapping isohyets are regression analyses techniques that use relationship between precipitation and geographical factors. Current study was carried out to compare global regression methods (multi polynomial regression and ordinary least square methods), local regression methods (local polynomial regression, geographically weighted regression) and decision tree regression. Average of ?? years annually precipitation data of ??? meteorological observations over Gilan Province and its neighboring stations were used for modeling of spatial distribution variations of mean annual precipitation by using other variables like elevation and point locations from the sea level. Comparison between results using cross validation technique showed that geographically weighting regression method has the highest accuracy to estimate mean annual precipitation (R?=?.?? and RMSE=???mm) and can be used to map isohyets in Gilan province.