بازسازي داده‌هاي بارندگي روزانه داراي دوره‌هاي مفقودي، با استفاده‌ از ‌روش‌هاي محاسبه چندگانه با تطبيق ميانگين پيش‌بيني و جنگل تصادفي

اصفهان : دانشگاه صنعتي اصفهان

علوم و مهندسي آب

كارشناسي ارشد

چكيده بارش از عوامل اصلي هوا و اقليم‌شناسي مي‌باشد. برآورد دقيق داده‌هاي بارش روزانه ازدست‌رفته كاري دشوار است. در اختيار داشتن دوره آماري طولاني‌مدت و كامل از نظر علم آمار اولين نياز تحليل‌هاي قابل‌اعتماد در آب‌وهواشناسي است. تحليل سري داده‌هاي ناقص، اريب هستند. بنابراين نياز به برآورد داده‌هاي گمشده است. طيف گسترده‌اي از روش‌ها براي تكميل مقادير مفقوده وجود دارد، اما درصد خلأهاي آماري يكي از عوامل اصلي محدودكننده كاربرد آن‌ها است. منطقه موردمطالعه دشت مشهد-چناران، با مساحت 9909 كيلومترمربع، بخشي از غرب حوضه آبريز قره‌قوم واقع در شمال شرقي ايران مي¬باشد. به‌طوركلي از 34 ايستگاه باران‌سنجي موجود در دشت مشهد-چناران، تعداد 30 ايستگاه باران‌سنجي پس از انجام آزمون كفايت داده مورداستفاده قرار گرفت. هدف اين پژوهش بازسازي و تكميل داده‌هاي مفقوده اين ايستگاه‌ها بادقت بالا و ارائه سري آماري تكميل‌شده (حداقل 30 سال) مي‌باشد. در مطالعه حاضر دو روش براي بازسازي و تكميل مقادير داده‌هاي بارش ازدست‌رفته استفاده مي‌شود؛ محاسبات چندگانه توسط معادلات زنجيره‌اي از طريق تطبيق ميانگين پيش‌بيني‌كننده (PMM) و الگوريتم يادگيري ماشين جنگل تصادفي (RF)موجود در نرم‌افزار برنامه‌نويسي R. براي افزايش دقت، كاهش خطا و بهبود تفسير داده‌ها در فرايند بازسازي با روش‌هاي مذكور، بر روي ايستگاه‌هاي حاضر در اين طرح، تحليل خوشه‌اي توسط روش سلسله‌مراتبي Ward صورت‌گرفت؛ الگوريتم Ward.D2 بر اساس معيار ضريب همبستگي كوفنتيك (0.73) به‌عنوان بهترين الگوريتم در ميان الگوريتم‌هاي موجود در اين روش انتخاب‌شد. تعداد خوشه‌هاي به‌دست‌آمده در اين روش، در بهينه‌ترين حالت، بر اساس معيار ميانگين عرض سيلهوت (0.26)، تعداد 8 خوشه انتخاب شد و 30 ايستگاه باران‌سنجي حاضر در اين پژوهش براساس ميانگين و انحراف‌معيار عمق بارندگي فصلي، موقعيت جغرافيايي (طول و عرض جغرافيايي) و ارتفاع از سطح دريا در اين 8 خوشه دسته‌بندي شدند. طول دوره آماري در هر خوشه براساس سال پايه مشترك ايستگاه‌هاي آن خوشه، تعيين گرديد. در ادامهيك سري كامل از داده‌هاي روزانه در بازه زماني محدودتر (از سال 1395 تا 1397) به صورت مصنوعي و كاملا تصادفي در 6 سطح (5%، 10%، 15%، 20%، 30% و 40%) توسط نرم‌افزار Rمفقود گرديد تا ارزيابي دقيق‌تري از مدل‌هاي موردنظر در حين بازسازي و اعتبارسنجي مدل و مقايسه مدل‌ها با يك‌ديگر صورت‌گيرد، براي اين كار از 8 ايستگاه باران‌سنجي كه در بازه‌زماني ذكر شده داراي سري كاملي از دادهاي بارش روزانه بودند، استفاده گرديد. سپس سري ناقص شده، توسط دو روش PMM و RF تمكيل شده و توسط معيارهاي عملكرد dr و R2 و همچنين معيارهاي خطاسنجي RMSE, NRMSE, GSD, CRM, MBE, MAE و RLE در مقياس روزانه و ماهانه مورد ارزيابي قرارگرفتند. بر اين اساس تعداد سري‌هاي كامل در روش PMM، 5 (m=5) و تعداد تكرار 50 (maxit=50) به عنوان مقادير بهينه پارامترهاي تابع اين مدل انتخاب شده و مبناي بازسازي با روش PMM قرارگرفتند. در روش RF نيز تعداد درختان محاسبه 500 (n_est=500) و تعداد تكرار 100 (max_iter=100) به عنوان پارامترهاي بهينه مدل انتخاب شدند. همچنين براساس معيارهاي عملكرد و خطاي مدل‌ها، روش RF در اكثر سطوح مفقودي عملكرد بهتري را از خود نشان‌داد و داده‌هاي بازسازي‌شده به مقادير واقعي خود نزديك‌تر بودند. در انتها عمليات بازسازي برروي داده‌هاي اصلي (داده‌هاي مفقوده طولاني مدت) ايستگاه‌هاي باران‌سنجي در خوشه‌هاي موردنظر توسط دو روش PMM و RF صورت پذيرفت، نتايج ارزيابي مدل نشان‌داد كه روش RF در اكثر خوشه‌ها از عملكرد بهتري نسبت به روش PMM برخورداراست و تنها در مواردي كه ايستگاه‌ها داراي خلا آماري شديدي بوده و يا داده صفر زيادي در سري آماري خود دارند، دچار افت عملكرد مي‌شوند و داده‌ها را بيش‌از مقدار واقعي خود بازسازي مي‌كند، به نظر مي‌رسد به طول دوره آماري نيز مربوط مي‌باشد.

222743

منابع آب

مهندسي كشاورزي

دانشگاه صنعتي اصفهان