Resumen de Seasonal and annual regional drought prediction by using data-mining approach

K. Yurekli, Mohammad Taghi Sattari, A.S. Anli, M.A. Hinis

• español

  Este estudio examina el análisis de la sequía estacional regional con base en el método del índice estandarizado de precipitación (SPI, por sus siglas en inglés) y en la técnica del árbol de decisiones que es una aproximación de minería de datos. Se formaron series de precipitación acumulada para cinco periodos de referencia (cuatro series estacionales y una anual) utilizando la precipitación mensual de 17 estaciones de la cuenca de Cekerek en Turquía, que tiene un área de 1 165 440 ha. Se realizó un análisis regional agrupando las estaciones inicialmente como grupos homogéneos de acuerdo con el criterio de discordancia considerando las tasas de momento-l. No hubo estaciones discordantes de acuerdo con las medidas de discordancia de las características de los sitios, excepto para las del primer período de referencia. Las medidas de heterogeneidad muestran que los grupos seleccionados fueron homogéneos. Con base en el criterio de bondad de ajuste |ZDIST| las distribuciones regionales candidato con |ZDIST| mínimo para los periodos de referencia k fueron la Pareto generalizada (GPA), la de valores extremos generalizados (GEV), la logística generalizada (GLO) la Pearson tipo III (PE·), la GEV y la log normal de 3 parámetros (LN3), respectivamente. Las categorías de sequía para cada región se predijeron aplicando el árbol de decisiones obtenido de la fase de entrenamiento para los periodos k de referencia. Los resultados revelan que no hubo diferencia significativa entre las categorías de sequía calculadas con el algoritmo convencional de SPI y las de la aproximación por el árbol de decisiones. Más aún, la exactitud de la predicción para los periodos de referencia k fue mayor que 94 %, excepto para los períodos de referencia k3 (81.2 %) y k5 (86.4 %).

• English

  This study examines the seasonal regional drought analysis based on the standardized precipitation index (SPI) method and the decision tree technique which is a data-mining approach. The cumulative rainfall series for five reference periods (four seasonal and one annual series) were constituted by using monthly rainfalls from 17 stations in Cekerek Watershed, Turkey, which has an area of 1165 440 ha. Regional analysis was performed by forming the stations initially as homogeneous group(s) according to the discordancy criteria considering by l-moment ratios. There was no discordant station according to discordancy measure of site characteristics except for the first reference period. The heterogeneity measures showed that the selected groups were homogeneous. Based on the goodness of fit criteria |ZDIST| the candidate regional distributions having the minimum ZDIST for k-reference periods were the Generalized Pareto (GPA), Generalized Extreme Values (GEV), Generalized Logistic (GLO), Pearson Type III (PE3), GEV and 3-parameter Log Normal (LN3), respectively. The drought categories for each region were predicted by applying the decision tree rules obtained from the training phase of the k-reference periods. The results revealed that there was no significant difference between drought categories calculated from the conventional SPI algorithm and decision tree approaches. Moreover, the accuracy of prediction for k-reference periods was greater than 94%, except for k3 (81.2) and k5 (86.4%) reference periods.