مقایسه عملکرد مدل های درختی و شبکه عصبی به منظور یافتن داده های گمشده تبخیر از تشت در استان خوزستان

داده های گمشده هواشناسی یکی از مشکلات پیش روی متخصصان و طراحان پروژه های منابع آب است و لازم است این نواقص آماری به طریقی برطرف گردد .روش های متعدد ی برای تخمین داده های گمشده وجود دارد. در این پژوهش کارایی دو مدل درختی و شبکه عصبی در مورد بازسازی داده های گمشده تبخیر روزانه 4 ایستگاه هواشناسی استان خوزستان مورد ارزیابی قرار گرفت. دوره آماری این تحقیق از سال 2005 تا 2008 بود و داده ها به دو دوره چهار ساله (2005 تا 2008) و 12 ساله (1997 تا 2008) تقسیم شدند و در هر دوره پس از حذف عمدی 5%، 10% و 20% داده های اندازه گیری شده، مقادیر آن ها با استفاده از مدل ها برآورد گردید. در مدل درختی مقادیر ضریب تبیین برای دوره 4 ساله با حذف 5%، 10% و 20% داده ها به ترتیب برابر 85/0، 75/0 و 85/0 و برای دوره 12 ساله برابر 90/0، 83/0 و 84/0 بدست آمد. در مورد مدل شبکه عصبی مقادیر ضریب تبیین برای دوره 4 ساله با حذف 5%، 10% و 20% داده ها به ترتیب برابر 85/0، 75/0 و 85/0 و برای دوره 12 ساله برابر 90/0، 82/0 و 85/0 بدست آمد. بیشتر بودن مقادیر ضریب تبیین برای دوره آماری 12 ساله نشان داد، مدل ها هنگام تخمین داده های گمشده برای دوره های آماری طولانی تر دارای عملکرد بهتری هستند. با افزایش داده های گمشده از 5% به 20% نیز از دقت این مدل ها کاسته شد. همچنین مقایسه این دو مدل نشان داد که هردو دارای دقت مشابهی در برآورد داده های گمشده می باشند.