@article { author = {Mokarram, Marzieh and Zarei, Abdol Rassoul}, title = {Using feature selection algorithm for prediction of evapotranspiration with the lowest data}, journal = {Desert Management}, volume = {5}, number = {10}, pages = {1-12}, year = {2018}, publisher = {Iranian Scientific Association of Desert Management and Control (ISADMC)}, issn = {2476-3985}, eissn = {2476-3721}, doi = {10.22034/jdmal.2018.30640}, abstract = {In the present study the most effective climatological parameters for prediction of evapotranspiration using feature selection algorithm in Darab city located in southwest of Fars province was selected. In the first stage, the values of evapotranspiration were calculated based on FAO Penman-Montith method, then using feature selection method, the most effective parameters were selected among all effective parameters to evapotranspiration prediction based on FAO Penman-Montith method. Using Best First, Greedy Stepwise and Ranker as the most famous methods of feature selection the most effective parameters from 120 data were selected. Also in order to investigate of the error of each method to choose the best method Naïve Bayes, J48 and LMT was used. Using minimum, maximum and average temperatures, relative humidity, sunshine and maximum sunshine hours, wind speed, clear sky solar radiation (Rso), (75% of solar radiation in the upper atmosphere), the evapotranspiration was predicted. The results show that Ranker method with Relifef- Attribute-Eval in Naïve Bayes, J48 and LMT method had the lowest error. So maximum sunshine hours, maximum and average temperatures were found to be the most effective parameters for prediction of evapotranspiration. Using feature selection algorithm can be useful to predict of evapotranspiration in regions with limited data and save time and money.}, keywords = {Climatic parameters,Generation procedure,Evaluation function,FAO Penman-Montith,Validation procedure}, title_fa = {استفاده از خوارزمیک انتخاب ویژگی به‌منظور پیش‌بینی مقدار تبخیر و تعرق با کمترین داده}, abstract_fa = {در پژوهش حاضر نسبت به انتخاب مهم­ترین متغیرهای مؤثر در پیش‌بینی تبخیر و تعرق با استفاده از خوارزمیک (الگوریتم) انتخاب ویژگی در شهرستان داراب واقع در جنوب غربی استان فارس اقدام شد. در این راستا ابتدا با استفاده از روش پنمن مو‌نتیث فائو مقدار تبخیر و تعرق محاسبه، سپس به کمک روش انتخاب ویژگی از بین متغیر‌های مؤثر در روش پنمن مونتیث فائو تأثیرگذارترین متغیرها در پیش‌بینی تبخیر و تعرق تعیین شدند. برای پیش‌بینی، از روش‌های Best-First،Greedy-Stepwise و Ranker به منظور انتخاب مؤثرترین متغیرها از بین 120 داده استفاده شد. در راستای بررسی خطای هر یک از این روش‌ها و انتخاب بهترین روش، از روش‌های طبقه بندی Naive Bayes، J48 و LMT استفاده شد. داده‌های مورد بررسی در این بررسی، برای محاسبه و پیش‌بینی تبخیر و تعرق عبارت از کمینه، میانگین و بیشینه دما، سرعت باد، کمینه ساعات آفتابی، بیشینه ساعات آفتابی، ارتفاع، تابش خورشیدی و رطوبت نسبی بودند. نتایج پژوهش حاضر نشان داد که روش Ranker با مدل Relifef- FAttribute-Eval در هر سه روش طبقه‌بندی، دارای کمینه خطاست. این موضوع مبین این نکته است که بیشینه مقدار ساعات آفتابی، میانگین و بیشینه دما نسبت به سایر متغیر‌ها در پیش ­بینی مقدار تبخیر و تعرق مؤثرترند. بنابراین با استفاده از خوارزمیک Feature selection می‌توان در مناطق دارای کمبود داده با استفاده از متغیرهای کمتر اقدام به پیش­بینی تبخیر و تعرق نمود و در زمان و هزینه صرفه‌جویی کرد.}, keywords_fa = {متغیرهای اقلیمی,تابع ارزیابی,تابع تولیدکننده,پنمن مونتیث فائو,تابع تعیین اعتبار}, url = {https://www.jdmal.ir/article_30640.html}, eprint = {https://www.jdmal.ir/article_30640_3ee926498fecdbd427a509728b59ef3b.pdf} }