پيش بيني آب و هوا با استفاده از تركيب الگوريتم هاي درخت تصميم گيري و شبكه هاي عصبي

امروزه با پيشرفت علم و تكنولوژي در صنايع گوناگون حجم داده ها روز به روز افزايش مي يابد به طوري كه توانايي هاي ما در تحليل اين داده ها با چالش جدي روبرو شده است. همين مساله موجب شده است تا نياز به رويكردهاي نوين در اين زمينه از جمله امور مهمي مانند پيش بيني آب و هوا و پيش بيني بارش باران، به منظور توليد، جمع آوري و تحليل داده ها بيش از پيش احساس شود. داده كاوي و الگوريتم هاي يادگيري ماشين در واقع ابزاري است براي تحليل داده ها كه شامل رويكرد هاي جديد است، ابزاري كه به طور بالقوه به منظور آشكارسازي اطلاعات نهان در داده ها بسيار مفيد است. در حقيقت در اين پژوهش به دنبال اين مساله هستيم كه بتوانيم براي طبقه بندي يك مساله چند كلاسي بهترين دقت ممكن را ارائه دهيم. به عبارت شفاف تر پايه اين پژوهش بر اساس درخت تصميم گيري و الگوريتم شبكه عصبي پس انتشار خطا مي باشد. مي دانيم كه هدف از هرس كردن درخت كاهش خطا مي باشد. اما بامطالعه روش هاي پيشين در زمينه پيش بيني آب و هوا مشخص است كه با توجه به تنوع پارامترها و بعضاً مبهم بودن داده هاي آب و هوايي در خت تصميم در قسمت هرس كردن به مشكل بر خورده و در نتيجه دقت پيش بيني، پايين مي آيد. نتايج اين پژوهش نشان داد كه تركيب الگوريتم يادگير شبكه پس انتشار خطا و الگوريتم دسته بندي كننده درخت تصميم نتايج قابل قبولي را در زمينه پيش بيني دما و به صورت كلي پيش بيني هوا ارائه مي دهد.