مقایسه عملکرد مدل‌های درختی و شبکه عصبی به منظور یافتن داده های گمشده تبخیر از تشت در استان خوزستان

Abstract

داده‌های گمشده هواشناسی یکی از مشکلات پیش روی متخصصان و طراحان پروژه‌های منابع آب است و لازم است این نواقص آماری به طریقی برطرف گردد .روش‌های متعدد‌ی برای تخمین داده‌های گمشده وجود دارد. در این پژوهش کارایی دو مدل درختی و شبکه عصبی در مورد بازسازی داده‌های گمشده تبخیر روزانه 4 ایستگاه هواشناسی استان خوزستان مورد ارزیابی قرار گرفت. دوره آماری این تحقیق از سال 2005 تا 2008 بود و داده‌ها به دو دوره چهار ساله (2005 تا 2008) و 12 ساله (1997 تا 2008) تقسیم شدند و در هر دوره پس از حذف عمدی 5%، 10% و 20% داده‌های اندازه گیری شده، مقادیر آن‌ها با استفاده از مدل‌ها برآورد گردید. در مدل درختی مقادیر ضریب تبیین برای دوره 4 ساله با حذف 5%، 10% و 20% داده‌ها به ترتیب برابر 85/0، 75/0 و 85/0 و برای دوره 12 ساله برابر 90/0، 83/0 و 84/0 بدست آمد. در مورد مدل شبکه عصبی مقادیر ضریب تبیین برای دوره 4 ساله با حذف 5%، 10% و 20% داده‌ها به ترتیب برابر 85/0، 75/0 و 85/0 و برای دوره 12 ساله برابر 90/0، 82/0 و 85/0 بدست آمد. بیشتر بودن مقادیر ضریب تبیین برای دوره آماری 12 ساله نشان داد، مدل‌ها هنگام تخمین داده‌های گمشده برای دوره‌های آماری طولانی‌تر دارای عملکرد بهتری هستند. با افزایش داده‌های گمشده از 5% به 20% نیز از دقت این مدل‌ها کاسته ‌شد. همچنین مقایسه این دو مدل نشان داد که هردو دارای دقت مشابهی در برآورد داده‌های گمشده می‌باشند.

Keywords

• داده های گمشده هواشناسی
• بازسازی داده ها
• مدل درختی
• مدل شبکه عصبی مصنوعی
• خوزستان