ساناز اسلامی جمال آباد - ۱. Civil Engineering Department, Science and Research Branch, Islamic Azad University, Tehran, Iran.
احمد شرافتی - ۱. Civil Engineering Department, Science and Research Branch, Islamic Azad University, Tehran, Iran.
عمادالدین محمدی گل افشانی - ۱. Civil Engineering Department, Science and Research Branch, Islamic Azad University, Tehran, Iran.
فرهاد فرسادنیا - ۲. Department of Water Engineering, College of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran.

یکی از مشکلات پیشروی متخصصان و طراحان پروژههای آبی، سریهای زمانی ناقص در علم هیدرولوژی است که باعث بروز خطا در نتایج مطالعات شده و اجرای پروژهها را دچار مشکل میکند. این مساله در مناطقی که تعداد ایستگاههای هیدرومتری و بارانسنجی محدود است، حادتر است. از طرفی ارزیابی، توسعه و استفاده پایدار از منابع آبی نیازمند در اختیار داشتن سریهای زمانی هیدرولوژیکی با کیفیت بالا و طول مدت کافی است. لذا این موضوع رفع نواقص آماری را ایجاب میکند و اهمیت چگونگی مواجه شدن با این مشکلات در آنالیزهای هیدرولوژیکی را نشان میدهد. در حال حاضر استفاده از روشهای آماری بهمنظور رفع خلاهای آماری و بازسازی دادهها متداول است. در این مطالعه بهمنظور معرفی روشی چندمتغیره در برآورد دادههای گمشده مربوط به بارش و رواناب، در یک منطقه همگن از لحاظ هیدرولوژیکی در استان مازندران، روش نگاشتهای خودسازمانده تحت دو سناریو مورد بررسی قرار گرفت و تخمینهای قابل اعتمادی را بهدست آورد. بهنحوی که مقادیر ضریب همبستگی بین دادههای مشاهداتی و خروجی مدل برای دادههای بارش تا ۹۲/۰ و برای دادههای رواناب تا ۹۵/۰ محاسبه شد. لذا پیشنهاد میشود برای کاهش عدم اطمینان ناشی از دادههای ناکافی در مدیریت منابع آب، از این روش استفاده شود.

Unsupervised neural network, Infilling time series, Missing data, شبکهعصبی غیرنظارت شونده, بازسازی سریهای زمانی, دادههای گمشده