The present research is aimed at an

The present research is aimed at analyzing rainfall pattern and classification to evaluate in district wise data in Tamilnadu and make possible the result in various seasons to understand the climate change. The dataset relates to monthly rainfall from various districts of Tamilnadu in the period of January to December in the Indian Metrological Department database. The time frame of the data pertaining to the present study is 2004-2010. The salient feature of this study is the application of Factor Analysis, K-means clustering and GIS (Geographical Information System) Map as data mining tools to explore the hidden pattern present in the dataset for each of the study periods. Factor analysis is applied first and the factor scores of extracted factors are used to find initial groups by k-means clustering algorithm. Finally, data mining tools are applied and the groups are identified as rainfall belonging to HR (High Rainfall), MR (Moderate Rainfall) and LR (Low Rainfall). The results of the present study indicate that Data Mining Tools can be used as a feasible tool for the analysis of large set of rainfall data.

ผลลัพธ์ (ไทย) 1:

การวิจัยปัจจุบันคือมุ่งวิเคราะห์รูปแบบของฝนและจัดประเภทเพื่อประเมินเขตข้อมูลฉลาดใน Tamilnadu และได้ผลในฤดูกาลต่าง ๆ เพื่อให้เข้าใจการเปลี่ยนแปลงสภาพภูมิอากาศ ชุดข้อมูลที่เกี่ยวข้องกับปริมาณน้ำฝนรายเดือนจากอำเภอต่าง ๆ ของ Tamilnadu ในช่วงมกราคมถึงธันวาคมในฐานข้อมูลกรม Metrological อินเดีย กรอบเวลาของข้อมูลเกี่ยวข้องกับการศึกษาคือ ปี 2004-2010 ลักษณะเด่นของการศึกษานี้เป็นการประยุกต์ใช้ วิเคราะห์ปัจจัย K หมายถึงคลัสเตอร์ และแผนที่ GIS (ระบบสารสนเทศทางภูมิศาสตร์) เป็นเครื่องมือการทำเหมืองข้อมูลการสำรวจรูปแบบที่ซ่อนอยู่ในชุดข้อมูลสำหรับแต่ละรอบระยะเวลาการศึกษา มีใช้การวิเคราะห์ปัจจัยแรก และคะแนนปัจจัยปัจจัยแยกใช้ในการพบกลุ่มครั้งแรก โดยอัลกอริทึมระบบคลัสเตอร์ k หมายถึง ในที่สุด ใช้เครื่องมือการทำเหมืองข้อมูล และกลุ่มที่ระบุไว้เป็นฝนเป็นของ HR (ปริมาณน้ำฝนสูง), นาย (ฝนปานกลาง) และ LR (ฝนตกต่ำ) ผลการศึกษาระบุว่า เครื่องมือการทำเหมืองข้อมูลสามารถใช้เป็นเครื่องมือที่เหมาะสำหรับการวิเคราะห์ชุดข้อมูลฝนใหญ่

ผลลัพธ์ (ไทย) 2:

การวิจัยในปัจจุบันมีวัตถุประสงค์ที่จะวิเคราะห์รูปแบบปริมาณน้ำฝนและการจัดหมวดหมู่ในการประเมินในย่านข้อมูลที่ชาญฉลาดในทมิฬนาฑูและทำให้เป็นไปได้ผลในฤดูกาลต่างๆที่จะเข้าใจการเปลี่ยนแปลงภูมิอากาศ ชุดข้อมูลที่เกี่ยวข้องกับปริมาณน้ำฝนรายเดือนจากอำเภอต่างๆทมิฬนาฑูในงวดเดือนมกราคมถึงเดือนธันวาคมในอินเดียฐานข้อมูลกรมอุตุนิยมวิทยา กรอบเวลาของข้อมูลที่เกี่ยวข้องกับการศึกษาครั้งนี้คือ 2004-2010 คุณลักษณะเด่นของการศึกษาครั้งนี้เป็นโปรแกรมของการวิเคราะห์ปัจจัย K-หมายถึงการจัดกลุ่มและระบบสารสนเทศภูมิศาสตร์ (ระบบสารสนเทศภูมิศาสตร์) แผนที่เป็นเครื่องมือในการทำเหมืองข้อมูลในการสำรวจรูปแบบที่ซ่อนอยู่ในชุดสำหรับแต่ละงวดการศึกษา การวิเคราะห์ปัจจัยที่นำมาใช้เป็นครั้งแรกและคะแนนปัจจัยปัจจัยสกัดที่ใช้ในการหากลุ่มเริ่มต้นโดย K หมายถึงขั้นตอนวิธีการจัดกลุ่ม สุดท้ายเครื่องมือการทำเหมืองข้อมูลถูกนำมาใช้และกลุ่มที่มีการระบุว่าเป็นปริมาณน้ำฝนที่อยู่ในการบริหารทรัพยากรบุคคล (High ฝน) MR (ฝนลดลง) และ LR (ต่ำฝน) ผลที่ได้จากการศึกษาครั้งนี้แสดงให้เห็นว่าข้อมูลเครื่องมือเหมืองแร่สามารถนำมาใช้เป็นเครื่องมือที่เป็นไปได้สำหรับการวิเคราะห์ชุดข้อมูลขนาดใหญ่ปริมาณน้ำฝน

ผลลัพธ์ (ไทย) 3:

การวิจัยมีวัตถุประสงค์เพื่อวิเคราะห์รูปแบบและประเภทการประเมินปริมาณน้ำฝนในเขตข้อมูลและปัญญาใน Tamilnadu เป็นไปได้ผลในฤดูกาลต่าง ๆ เพื่อให้เข้าใจการเปลี่ยนแปลงสภาพภูมิอากาศ ข้อมูลเกี่ยวข้องกับปริมาณน้ำฝนจากเขตต่าง ๆของ Tamilnadu ในช่วงเดือนมกราคมถึงธันวาคมในฐานข้อมูลกรมมาตรวิทยาอินเดีย กรอบเวลาของข้อมูลที่เกี่ยวข้องกับการศึกษาปัจจุบันเป็น 2004-2010 . คุณลักษณะเด่นของการศึกษานี้คือ การประยุกต์การวิเคราะห์ปัจจัย และ k-means ข้อมูล GIS ( ระบบสารสนเทศภูมิศาสตร์ ) แผนที่เป็นเครื่องมือการทำเหมืองข้อมูลสำรวจที่ซ่อนอยู่ในรูปแบบปัจจุบันข้อมูลในการศึกษาครั้ง การวิเคราะห์ตัวประกอบที่ใช้ครั้งแรก และคะแนนองค์ประกอบสกัดปัจจัยใช้ในการหากลุ่มแรก โดย k-means การจัดกลุ่มขั้นตอนวิธี สุดท้ายเครื่องมือการทำเหมืองข้อมูลประยุกต์และกลุ่มจะถูกระบุเป็นปริมาณน้ำฝนของ HR ( ปริมาณน้ำฝนสูง ) , นาย ( ปริมาณน้ำฝนปานกลาง ) และ LR ( ปริมาณน้อย ) ผลของการศึกษาพบว่าเครื่องมือการทำเหมืองข้อมูลสามารถใช้เป็นเครื่องมือสำหรับการวิเคราะห์ความเป็นไปได้ของชุดใหญ่ของข้อมูลปริมาณฝน