آب و خاک, دوره (33), شماره (2), سال (2019-7) , صفحات (361-377)

عنوان : ( ترمیم داده های مفقود هواشناسی با روشهای تکاملی و یادگیری ماشین مطالعه موردی: بارش و دمای ماهانه درازمدت مشهد )

نویسندگان: محبوبه فرزندی , سیدحسین ثنائی نژاد , بیژن قهرمان , مجید سرمد ,
فایل: Full Text

استناددهی: BibTeX | EndNote

چکیده

بارش و دما از مهم ترین متغیرهای هوا و اقلیم شناسی هستند. طول دوره آماری اهمیت بسزایی در دقت تحلیل این دو متغیر دارد. حجم نمونه کمتر از ۱۰۰ سال نمی تواند نوسانات دراز مدت را به خوبی منعکس کند. طولانی ترین آمار مربوط به دما و بارش ماهانه مشهد نزدیک به ۱۲۵ سال (از حدود ۱۸۹۳ الی ۲۰۱۷) است. متاسفانه این آمار مفقودی دارد. ترمیم داده های مفقود و افزایش دقت برآورد آن ها هدف این پژوهش است. ایستگاه هایی از کشورهای مجاور به عنوان ایستگاه های مبنا انتخاب شدند. ابتدا داده های مفقود با برازش ده الگوی رگرسیونی چندگانه برای بارش ماهانه (با ضرایب تعیین ۶۳/۰ تا ۸۱/۰) و شش الگو برای دمای ماهانه (۹۸۶/۰تا ۹۹۳/۰) ترمیم شدند. سپس برای کاهش خطاها، پارامترهای الگوهای رگرسیونی با روش های GA و ACO بهینه شدند. افزون بر این دو روش ANN و SVR نیز به منظور الگوسازی این داده ها نیز به کار گرفته شدند. نتایج نشان داد GA و ACO دقت برآورد داده های مفقود بارش را نسبت به روش های رگرسیونی فوق به طور چشمگیری افزایش می دهد. کمترین RMSE بین تمام الگوهای رگرسیونی بارش ۷۹/۹ میلی متر است. این معیار با روش GA به ۵۶۰/۲ میلی متر و با ACO به ۵۵۹/۲ کاهش می بابد. کمترین RMSE بین الگوهای رگرسیونی دما ۹۸۶/۰ میلی متر است. این معیار با روش ANN به ۷۲۶/۰ میلی متر و با SVR نیز به ۵۵۱/۰ کاهش می بابد. مقایسه ترمیم دما و بارش نشان می دهد که روش های تکاملی برای بارش و روش های یادگیری ماشین برای دما عملکرد بهتری دارند.

کلمات کلیدی

, الگوریتم ژنتیک, داده مفقود, رگرسیون بردار پشتیبان, شبکه عصبی مصنوعی, کلونی مورچگان
برای دانلود از شناسه و رمز عبور پرتال پویا استفاده کنید.

@article{paperid:1079698,
author = {فرزندی, محبوبه and ثنائی نژاد, سیدحسین and قهرمان, بیژن and سرمد, مجید},
title = {ترمیم داده های مفقود هواشناسی با روشهای تکاملی و یادگیری ماشین مطالعه موردی: بارش و دمای ماهانه درازمدت مشهد},
journal = {آب و خاک},
year = {2019},
volume = {33},
number = {2},
month = {July},
issn = {2008-4757},
pages = {361--377},
numpages = {16},
keywords = {الگوریتم ژنتیک، داده مفقود، رگرسیون بردار پشتیبان، شبکه عصبی مصنوعی، کلونی مورچگان},
}

[Download]

%0 Journal Article
%T ترمیم داده های مفقود هواشناسی با روشهای تکاملی و یادگیری ماشین مطالعه موردی: بارش و دمای ماهانه درازمدت مشهد
%A فرزندی, محبوبه
%A ثنائی نژاد, سیدحسین
%A قهرمان, بیژن
%A سرمد, مجید
%J آب و خاک
%@ 2008-4757
%D 2019

[Download]