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

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه آبیاری و زهکشی پردیس ابوریحان دانشگاه تهران

2 دانشیار دانشگاه تهران، پردیس ابوریحان

چکیده

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.

کلیدواژه‌ها

عنوان مقاله [English]

Comparison between neural network and M5 tree models For reconstructing missing evaporation data of khouzestan

نویسندگان [English]

  • Marjan Vahabi Mashhor 1
  • Ali Rahimikhoob 2

1 Aboureihan Faculity, Tehran University

چکیده [English]

Missing meteorological data is one of the problems facing specialists and designers of water recources projects and it,s necessary to reconstruct them. There are different methods for infilling missing data. In this research, performance of tree model and neural network for infiiling missing evaporation data from 4 meteorological stations in khouzestan province, were evaluated. The data were divided into two periods: 4 and 12 years and in each period 5%, 10% and 20% of data were deliberately missed and had been filled by models. In tree model coefficient of determination for 4years period were: 85%, 75% and 85%, and for 12years period were: 90%, 83% and 84% respectively. In neural network model coefficient of determination for 4years period were: 85%, 75% and 85% and for 12years period were: 90%, 82% and 85% respectively. A higher coefficient value for 12 years period showed that models are more accurate to estimate missing data for longer term statistical data. By increasing missing data from 5% to 20%, accuracy of models were diminished. This research also indicated that both models have similar accuracy in the estimation of missing data.

کلیدواژه‌ها [English]

  • missing data
  • reconstructing data
  • evaporatin
  • tree model
  • neural network model