Jurnal Internasional Air, Vol. 11, Halaman 582: Memperkirakan Temperatur Titik Embun Harian Menggunakan Algoritma Pembelajaran Mesin

Download Jurnal Disini

Air, Vol. 11, Halaman 582: Perkiraan Suhu Titik Embun Harian Menggunakan Algoritma Pembelajaran Mesin

Air doi: 10.3390 / w11030582

Penulis:
Qasem
Samadianfard
Nahand
Mosavi
Syamshirband
Chau

Dalam penelitian ini, kemampuan tiga metode yang didorong data Pemrograman Ekspresi Gen (GEP), pohon model M5 (M5), dan Support Vector Regression (SVR) diselidiki untuk memodelkan dan memperkirakan suhu titik embun. (DPT) di stasiun Tabriz, Iran. Untuk tujuan ini, parameter meteorologi dari suhu rata-rata harian (T), kelembaban relatif (RH), tekanan uap aktual (Vp), kecepatan angin (W), dan jam sinar matahari (S) diperoleh dari organisasi meteorologi provinsi Azerbaijan Timur, Iran untuk periode 1998 hingga 2016. Setelah ini, metode yang disebutkan di atas diperiksa dengan mendefinisikan 15 kombinasi input yang berbeda dari parameter meteorologi. Selain itu, root mean square error (RMSE) dan koefisien determinasi (R2) diimplementasikan untuk menganalisis akurasi metode yang diusulkan. Hasil penelitian menunjukkan bahwa metode GEP-10, menggunakan tiga parameter input T, RH, dan S, dengan RMSE 0,96 & deg ;, SVR-5, menggunakan dua parameter input T dan RH, dengan RMSE 0,44, dan M5-15, menggunakan lima parameter input T, RH, Vp, W, dan S dengan RMSE 0,37 menghadirkan kinerja yang lebih baik dalam estimasi DPT. Sebagai kesimpulan, M5-15 direkomendasikan sebagai model yang paling tepat dalam estimasi DPT dibandingkan dengan model yang dipertimbangkan lainnya. Sebagai kesimpulan, hasil yang diperoleh membuktikan kemampuan tinggi model M5 yang diusulkan dalam estimasi DPT.

Download Jurnal Disini
Jurnal

Air, Vol. 11, Halaman 582: Memperkirakan Temperatur Titik Embun Harian Menggunakan Algoritma Pembelajaran Mesin