افزایش کارایی فرایند خوشه بندی K- میانگین توسط روش های سلسله مراتبی

به علت کمبود آمار و اطلاعات همیشه امکان استفاده از تحلیل فراوانی مکانی جهت تخمین چندک های سیلاب وجود ندارد. از آن جاکه استفاده از یک روش واحد برای ناحیه ای کردن معمولاً نتایج قابل قبولی را به دست نمی دهد، لذا معمولاً چندین روش منطقه ای به طور توام مورد استفاده قرار می‌گیرد. در این مطالعه سه الگوریتم خوشه‌ای هیبرید که هر یک به طور جداگانه فرایند خوشه‌ای کردن را برای تعیین نواحی مشابه به کار می‌برند، مورد بررسی قرار گرفت. از الگوریتم های خوشه ای سلسله مراتبی متراکمی از روش های پیوند تکی، پیوند کامل و وارد، و از الگوریتم خوشه-ای تفکیکی، از الگوریتم k- میانگین استفاده شد. تاثیر تحلیل خوشه ای هیبرید در ناحیه ای کردن با استفاده از آمار روزآمد شده ی 68 حوضه ی آبریز استان‌های خراسان مورد بررسی قرار گرفت. از چهار شاخص آزمون خوشه ای شامل ضریب کوفنتیک، متوسط عرض سیلهوت، نمایه های دان و دیویس- بولدین جهت تعیین تعداد بهینه ی خوشه ها استفاده گردید. نتایج نشان داد که روش های پیوند تکی و کامل برپایه ی نمایه های اعتبارسنجی ضریب کوفنتیک و متوسط عرض سیلهوت بهتر بودند ولی منجر به تشکیل خوشه هایی نامتجانس (یک خوشه ی بزرگ و تعدادی خوشه ی بسیار کوچک) گردید که در تحلیل فراوانی سیلاب مناسب نمی باشد. گرچه تحلیل خوشه ای هیبرید در حداقل سازی تلاش لازم جهت نیل به نواحی همگن موثر بود ولی درجه ی موثر بودن به تعداد خوشه ها بستگی داشت. معیارهای ناهمگنی هاسکینگ منفی بود که بیانگر همبستگی سیلاب در ایستگاه ها بود. نهایتاً هیبرید الگوریتم وارد و k- میانگین برای استفاده در ناحیه ای کردن پیشنهاد گردید. چهار ناحیه همگن تشخیص داده شد.