مقایسه روش های مختلف بازسازی داده های گمشده دبی ماهانه ایستگاه پایین دست براساس آمار خود ایستگاه و ایستگاه های بالادست

پایه و اساس مطالعات هیدرولوژی داده های آماری مورد قبول می‌باشد، اما به دلیل خطاهای انسانی و ابزاری ممکن است با مواردی از قبیل عدم ثبت آمار یا تشخیص داده های پرت و حذف آن‌ها تحت عنوان داده های گمشده برخورد کنیم. برای بررسی و تحلیل آماری داده های لازم است تا داده های گمشده بازسازی شوند، که برای این منظور روش‌های مختلفی وجود دارد. در این پژوهش، برای بازسازی داده های گمشده سری هیدرولوژیکی دبی ماهانه ایستگاه قزاقلی واقع در حوضه گرگانرود استان گلستان براساس آمار ایستگاه های بالادست به روش‌های متداول آماری و روش نوین شبکه عصبی مصنوعی انجام گرفت. همچنین قابلیت مدل‌سازی به کمک مدل سری زمانی براساس آمار خود ایستگاه مورد بررسی قرار گرفت. از مجموع کل داده‌های ماهانه طی دوره مشترک 30 ساله،80 درصد داده‌ها برای آموزش و از 20 درصد داده‌ها برای آزمون در نظر گرفته شد. با توجه به معیار ضریب تشخیص(R2)، نتایج تمامی روش‌ها مقدار قابل قبولی را نشان می‌دهند.اما مدل شبکه عصبی مصنوعی با ضریب تشخیص 0/97 و ریشه میانگین مربعات خطا 0/034، در مقایسه با سایر روش‌های متداول آماری و مدل سری زمانی از دقت بالایی برای مدل سازی روابط بین پارامترهای ورودی و خروجی در یک مدل برخوردار می‌باشد.

Keywords:

مدل سازی , شبکه عصبی مصنوعی , مدل سری زمانی , روش های متداول آماری , گلستان