ارزیابی مدل‌های داده‌کاوی در ریزمقیاس نمایی بارش بر اساس داده‌های مدل‌ گردش عمومی NCEP (مطالعه موردی: ایستگاه سینوپتیک کرمانشاه)

نویسنده

چکیده

طی سال‌های اخیر روش‌های زیادی برای ریزمقیاس‌نمایی متغیرهای هواشناسی از داده‌های بزرگ مقیاس مدل‌های گردش‌های عمومی جو ارائه شده است. در این پژوهش کارایی سه روش ماشین بردار پشتیبان (SVM)‎،‏ درخت تصمیم (M5) و نزدیکترین k-همسایگی (KNN)‎ از مدل‌های داده‌کاوی در ریزمقیاس‌نمایی بارش،‏ به کمک پارامترهای خروجی مدل گردش عمومی جو NCEP در ایستگاه کرمانشاه بررسی شد. در دوره آماری 1991-1961 بارش روزانه ایستگاه کرمانشاه و پارامترهای خروجی NCEP مدل‌سازی شد و نتایج آن‌ها برای دوره آماری 2001-1992 آزمایش شد. نتایج این بررسی نشان داد که بارش شبیه‌سازی شده با هر یک از مدل‌های داده‌کاوی،‏ دارای میانگین و انحراف معیار کمتری نسبت به داده‌های مشاهداتی هستند و مقادیر حدی را نمی‌توانند به خوبی پیش‌بینی ‌کنند. با این وجود روش نزدیک‌ترین همسایگی نسبت به دیگر روش‌ها نتایج بهتری را ارائه کرد.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation data mining models in Downscaling of precipitation based on NCEP general circulation model output (Case study: Kermanshah synoptic station)

نویسنده [English]

  • Dr Kh. Ghorbani
چکیده [English]

In the recent years, many downscaling techniques have been developed for projection of station-scale meteorological variables from large-scale atmospheric variables by general circulation models (GCMs). In this study, the performance of three downscaling methods, including support vector machines (SVM), decision tree (M5) and K-nearest neighbor (KNN) methods of data mining models, were compared in downscaling precipitation simulated by NCEP general circulation models in the Kermanshah station. Simulation was performed between daily precipitation of Kermanshah station and NCEP model output parameters during the period of 1961 to 1991, and its result was tested during the period 1992-2001. The results of this study showed that the mean and standard deviation of output of the data mining models are less than the observed data and these models can't predict extreme values well. However, the KNN method gives better results than other considered methods.

کلیدواژه‌ها [English]

  • K-nearest neighbor-Downscaling-General circulation model-Decision tree-Support vector machine-