ارزیابی روش های داده کاوی مکانی و یادگیری ماشین جهت شناسایی منابع مستعد گردوغبار در خاورمیانه
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 344
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GEOIR-2-2_002
تاریخ نمایه سازی: 19 مهر 1401
چکیده مقاله:
شناسایی منابع مستعد گردوغبار یکی از اقدامات ضروری در راستای مقابله با این پدیده است. اخیرا توجه گسترده ای به استفاده از روش های یادگیری ماشین جهت شناسایی منابع مستعد گردوغبار معطوف شده است. با این حال، استفاده از داده کاوی مکانی مبتنی بر قواعد انجمنی مغفول مانده است. بر همین اساس، در این مطالعه کارآیی روش داده کاوی اپریوری و سه روش یادگیری ماشین به منظور شناسایی منابع مستعد گردوغبار در منطقه خاورمیانه ارزیابی شده است. در روش اپریوری با استفاده از سه شاخص support ،confidence و lift، قواعد انجمنی تکرارپذیر، اطمینان پذیر و منطقی استخراج شدند. با تلفیق وزنی این قواعد، منابع مستعد گردوغبار شناسایی شدند. برای آموزش مدل ها از کانون مولد گردوغبار شناسایی شده به وسیله تفسیر چشمی تصاویر مادیس استفاده شد. بر اساس نتایج، شبکه عصبی مصنوعی با ۸۸.۳ درصد، الگوریتم اپریوری با ۸۳.۷ درصد، جنگل تصادفی با ۸۰.۱ درصد، ماشین بردار پشتیبان با ۷۷.۹ درصد به ترتیب بالاترین صحت را در شناسایی منابع مستعد گردوغبار دارند. علی رغم صحت بالاتر شبکه عصبی مصنوعی، اما روش اپریوری در شناسایی نواحی بدون پتانسیل گردوغبار و همچنین شناسایی روابط میان پارامترهای محیطی و گردوغبار به صورت قواعد قابل درک و شفاف، برتری دارد. به طورکلی نتایج مطالعه حاضر نشان داد که الگوریتم اپریوری به عنوان یک روش داده کاوی مبتنی بر قواعد انجمنی در شناسایی منابع مستعد گردوغبار کارآمد است.
کلیدواژه ها:
نویسندگان
رامین پاپی
دانشجوی دکتری سنجش ازدور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران
سارا عطارچی
گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران
علی درویشی بلورانی
دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران
نجمه نیسانی سامانی
دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران