عنوان : ( افزایش دقت برآورد دادههای گمشده بارش ماهانه با الگوریتم ژنتیک و کلونی مورچگان )
نویسندگان: محبوبه فرزندی , سیدحسین ثنائی نژاد , بیژن قهرمان , مجید سرمد ,چکیده
بارش از مهمترین متغیرهای هوا و اقلیمشناسی بوده و ارتباط مستقیم با وضعیت اقلیمی منطقه دارد. دقت شبیه سازی این متغیر با توجه به تغییرات زیاد آن از اهمیت بسزایی برخوردار است. آمار مشاهدهای در اولین ایستگاه های همدید ایران از سال 1330 (1951 میلادی) در سایت سازمان هواشناسی ایران قابل دسترس است. آمار قدیمی و طولانی مدت دما و بارش ماهانه پنج شهر ایران شامل مشهد توسط سفارت امریکا و انگلیس از دوره قاجار (حدود 1880) اندازهگیری و در کتبی ثبت شدهاست. متاسفانه، این آمار دارای داده گمشده می باشد. داده های گمشده ماهانه عمدتا در طول جنگ جهانی دوم (1949-1941) و بهطور پراکنده در طول دوره آماری وجود دارد. ایستگاههایی از کشورهای مجاور با توجه به معیار فاصله، همبستگی و تکمیل بودن دادهها در دورههای دارای داده گمشده بهعنوان ایستگاههای مبنا انتخاب شدند. این پژوهش ده الگوی چندگانه رگرسیونی را به بارش ماهانه ایستگاه مشهد برازش داده و سپس پارامترهای این الگوها با روشهای الگوریتم ژنتیک و الگوریتم کلونی مورچگان بهینه کردهاست. نتایج نشان داد الگوریتم ژنتیک و کلونی مورچگان دقت برآورد دادههای گمشده بارش را به طور چشمگیری بالا میبرد. کمترین معیار خطای RMSE الگوهای رگرسیونی 79/9 است که با بهینه سازی با ژنتیک الگوریتم تا 560/2 و با الگوریتم کلونی مورچگان تا 559/2 کاهش میبابد.
کلمات کلیدی
, داده گواری, بارش مشهد, داده گمشده, رگرسیون چندگانه, روشهای تکاملی@article{paperid:1086869,
author = {فرزندی, محبوبه and ثنائی نژاد, سیدحسین and قهرمان, بیژن and سرمد, مجید},
title = {افزایش دقت برآورد دادههای گمشده بارش ماهانه با الگوریتم ژنتیک و کلونی مورچگان},
journal = {پژوهش های اقلیم شناسی},
year = {2020},
volume = {11},
number = {42},
month = {August},
issn = {2228-5040},
pages = {47--60},
numpages = {13},
keywords = {داده گواری، بارش مشهد، داده گمشده، رگرسیون چندگانه، روشهای تکاملی},
}
%0 Journal Article
%T افزایش دقت برآورد دادههای گمشده بارش ماهانه با الگوریتم ژنتیک و کلونی مورچگان
%A فرزندی, محبوبه
%A ثنائی نژاد, سیدحسین
%A قهرمان, بیژن
%A سرمد, مجید
%J پژوهش های اقلیم شناسی
%@ 2228-5040
%D 2020