انجمن علوم و مهندسی منابع آب تحقیقات منابع آب ایران 1735-2347 8 3 2013 01 20 Evaluation of the Decision Tree Model in Precipitation Prediction (Case study: Yazd Synoptic Station) بررسی کارایی مدل درخت تصمیم در پیش بینی بارش (مطالعه موردی ایستگاه سینوپتیک یزد) 14 27 16686 FA محمدتقی دستورانی عضو هیئت علمی /دانشکده منابع طبیعی دانشگاه یزد، در حال حاضر مامور در دانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهد- یزد- ایران اعظم حبیبی‌پور دانشجوی دکترای/ منابع طبیعی – آبخیزداری- دانشگاه یزد- یزد- ایران محمدرضا اختصاصی عضو هیئت علمی / دانشکده منابع طبیعی- دانشگاه یزد- یزد- ایران. 0000-0003-2007-7059 علی طالبی عضو هیئت علمی/ دانشکده منابع طبیعی- دانشگاه یزد- یزد- ایران. جواد محجوبی کارشناس ارشد/ عمران-سازه های هیدرولیکی- دانشگاه علم وصنعت- تهران- ایران Journal Article 2011 02 08 Undesirable effects of droughts on the agricultural and economical sectors and especially on the natural resources are intense. Different methods have been presented to predict the main factors of drought such as precipitation and during the recent decades some new computer based models have been developed for drought prediction. In most cases these models have presented quite satisfactory results. Decision tree, as one of these models, produces rules based on evaluation of the parameters from portion (component) to the whole, and finally reaches understandable knowledge from the existing statistical data. In this research, decision tree model has been used as a data mining method to predict precipitation and evaluation of drought in Yazd synoptic meteorological station. Simulations were carried out in four different conditions. Related variables including previous monthly precipitation, mean temperature, maximum temperature, humidity, wind speed, wind direction, and evaporation were used as independent input variables for all these four conditions and the amount of precipitation was predicted 12 months in advance. Finally for evaluation of the model performance in different conditions, statistical criteria were employed. Results indicated that the decision tree model is able to presents suitable prediction of precipitation especially when 5-year moving average of data is used. Precise prediction of precipitation and the accurate evaluation of drought conditions are of great importance for a better management and planning for drought damages reduction.  وقوع خشکسالی اثرات نامطلوبی بر بخش‌های کشاورزی و اقتصادی کشور و به طور خاص بر عرصه‌های طبیعی تحمیل می‌کند. امروزه روش‌های مختلفی جهت پیش بینی مؤلفه‌های اصلی خشکسالی از جمله بارش ارائه شده است. در دهه‌های اخیر، استفاده از مدل‌های جدید کامپیوتری در این زمینه رواج یافته و در اغلب موارد توانایی خود را به خوبی نشان داده است. درخت تصمیم به عنوان یکی از این نوع مدل‌ها، با بررسی پارامترها از جزء به کل، به تولید قانون می‌پردازند و نهایتاً به دانش قابل فهم از بین داده‌های آماری موجود دست می‌یابند. در این تحقیق از مدل درخت تصمیم به عنوان یکی از روش‌های داده کاوی جهت پیش بینی بارش و ارزیابی وضعیت خشکسالی درایستگاه سینوپتیک یزد استفاده شد. شبیه‌سازی‌ها در چهار حالت صورت گرفت و در کلیه شبیه‌سازی‌ها از متغیرهای بارش قبلی، دمای متوسط، دمای ماکزیمم، رطوبت، سرعت باد، جهت باد در مقیاس ماهانه به عنوان متغیرهای مستقل مدل استفاده و میزان بارش 12 ماه قبل از وقوع پیش بینی گردید. در نهایت جهت ارزیابی دقت و صحت درخت‌های ایجاد شده در حالات فوق، معیارهای آماری مختلف مورد استفاده قرار گرفت. نتایج نشان داد که در ایستگاه یزد، مدل درخت تصمیم گیری خصوصاً در شرایطی که از میانگین متحرک 5 ساله داده‌ها استفاده گردد، دارای توانایی مناسبی در پیش بینی میزان بارش می‌باشد. پیش بینی مقدار بارندگی و به تبع آن ارزیابی وضعیت خشکسالی با دقت مناسب و قبل از وقوع آن، می‌تواند به برنامه‌ریزی جهت کاهش خسارات حاصل از آن کمک قابل توجهی نماید. https://www.iwrr.ir/article_16686_07401aaff3da03b55ec7be2c6a6e5691.pdf