Review the data mining efficiency in forecasting rainfall

مصباح, مینا (2018) Review the data mining efficiency in forecasting rainfall. In: In: The 13th National Conference on Watershed Management Science & Engineering of Iran and The 3rd National Conference on Conservation of Natural Resources and Environment,, 3-4 October 2018, , Ardabil, Iran.

[img] Text (بررسی کارایی داده‌کاوی در پیش¬بینی بارندگی)
wms97_UMA2018P210T4_FullPaperSubmission.pdf

Download (461kB)
Official URL: http://www.uma.ac.ir

Abstract

The prediction of the amount, location, and time of rainfall is of great use in decision making for various designs such as watersehd managment. The rainfall occurs at different times and places, resulting in a large amount of data, so data mining techniques can work in this regard. Several datasets, including station, satellite, and index can be used. Rainfall data requires preprocessing because of large data only. Before performing any modeling, pre-processing should be done on the data to obtain the correct data without inconsistencies. Different models, such as artificial neural network, genetic algorithm, support vector machine, decision tree, associative law, etc. can be used to predict.. Keywords: Rain forecast, Preprocessing, Data Mining, Big Data

Item Type: Conference or Workshop Item (Lecture)
Persian Title: بررسی کارایی داده‌کاوی در پیش¬بینی بارندگی
Persian Abstract: پیش‌بینی میزان، مکان و زمان بارندگی کاربرد فراوانی در تصمیم‌گیری برای طرح‌های مختلف از جمله برنامه‌های آبخیزداری دارد. بارندگی در زمان‌ها و مکان‌های مختلفی رخ می‌دهد در نتیجه حجم بالایی از داده در اختیار است، به همین علت تکنیک‌های داده‌کاوی می‌توانند در این زمینه مناسب عمل کنند. از چندین مجموعه داده از جمله ایستگاهی، ماهواره‌ای و شاخصی می‌توان استفاده کرد. داده های بارندگی به دلیل اینکه جز داده های بزرگ هستند به پیش پردازش نیاز دارند. قبل از انجام هر گونه مدل سازی باید پیش پردازشی بر روی داده ها برای به دست آوردن داده های صحیح و بدون تناقض انجام شود. مدل‌ها‌ی متفاوتی از جمله شبکه‌ی عصبی مصنوعی، الگوریتم ژنتیک، ماشین بردار پشتیبان، درخت تصمیم، قانون انجمنی و غیره جهت پیش‌بینی می‌توان استفاده کرد. واژگان كليدي: پیش‌بینی بارندگی، پیش‌پردازش، داده‌کاوی، داده‌ی بزرگ
Subjects: Divisions > Conferences > The 13th National Conference on Watershed Management Science & Engineering of Iran and The 3rd National Conference on Conservation of Natural Resources and Environment
Conferences > The 13th National Conference on Watershed Management Science & Engineering of Iran and The 3rd National Conference on Conservation of Natural Resources and Environment
Divisions: Conferences > The 13th National Conference on Watershed Management Science & Engineering of Iran and The 3rd National Conference on Conservation of Natural Resources and Environment
Subjects > Conferences > The 13th National Conference on Watershed Management Science & Engineering of Iran and The 3rd National Conference on Conservation of Natural Resources and Environment
Date Deposited: 15 Oct 2018 16:08
Last Modified: 15 Oct 2018 16:08
URI: http://repository.uma.ac.ir/id/eprint/766

Actions (login required)

View Item View Item