ارزیابی کارایی مدل درخت تصمیم رگرسیونی در پیشبینی خشکسالی نمونة موردی: ایستگاه سینوپتیک سنندج

برای مطالعة خشکسالی روش‌های مختلفی وجود دارد. روش تحلیل داده‌های بارندگی، جزو عمومی روش های تحلیل خشکسالی به شمار می رود؛ لذا پیش‌بینی دقیق و پیش از وقوع بارش می تواند شرایط را برای ارزیابی وضعیت خشکسالی فراهم نماید. هدف این پژوهش، بررسی تأثیر پیش‌پردازش داده‌های بارش ماهانة ایستگاه سینوپتیک سنندج بر عملکرد مدل درخت تصمیم در پیش‌بینی خشکسالی در ایستگاه سینوپتیک سنندج می‌باشد. در این پژوهش از الگوریتم CART به عنوان یکی از انواع درختان تصمیم رگرسیونی جهت پیش‌بینی بارش 12 ماه بعد استفاده شده و جهت ارزیابی درخت­های ایجاد شده از معیارهای آماری مختلف استفاده شده‌است. داده­های مورد استفاده در این پژوهش مربوط به آمار ماهانة بارندگی، رطوبت نسبی، دمای حداکثر، دمای متوسط، جهت باد و سرعت باد در دورة آماری (1389- 1349) است. نتایج حاصل از پژوهش نشان می‌دهد که در ایستگاه سینوپتیک سنندج درخت تصمیم‌گیری رگرسیونی، مدلی نسبتا کارا درپیش‌بینی خشکسالی می­باشد؛ به‌ طوری‌ که درشبیه‌ سازی ­های صورت گرفته، زمانی که از میانگین متحرک پنج سالة داده­ ها برای اجرای مدل استفاده گردید، ترکیب بارش قبلی و دمای حداکثر به عنوان مناسب­ترین حالت با مقدار خطای 06/0 شناسایی شده و  اعمال میانگین متحرک روی داده‌های اصلی در بهبود کارایی مدل مؤثر است. در این شرایط، روش درخت تصمیم رگرسیونی ایستگاه سنندج با ضریب اطمینان بالایی میزان بارش را 12 ماه پیش از وقوع بر آورد نمایند.