ارزیابی عملکرد شبکه های عصبی مصنوعی و ماشین بردار پشتیبان در بازسازی داده های ماهانه و فصلی بارش در ایستگاه های باران سنجی (مطالعه موردی: استان همدان)

بازسازی داده های بارش، از اقدامات لازم پیش از پیش بینی سیلاب ها است.گام نخست در پیش بینی سیلاب، پیش بینی میزان بارش می باشد. پیش بینی بارش در یک ایستگاه نیازمند آمار و اطلاعات دقیق و طولانی مدت ازمقدار و توزیع زمانی بارندگی در آن ایستگاه است. در پژوهش حاضر از دو مدل هوشمند شبکه عصبی مصنوعی MLP با الگوریتم پس انتشار و ماشین بردار پشتیبان تحت تابع RBF برای بازسازی داده های بارش ماهانه چهار ایستگاه باران سنجی واقع در استان همدان، دردوره آماری ۱۳۷۰ تا ۱۳۸۹، استفاده شد. بدین منظور مشخصه های مدل SVM شامل ?، C و ? محاسبه شد. داده های ناقض ایستگاه هدف ابتدا به کمک داده های یک ایستگاه، سپس داده های دو ایستگاه و در نهایت داده های سه ایستگاه، بازسازی گردید. نتایج نشان دادکه با افزایش تعداد ایستگاه های دخیل در مرحله آموزش، عملکرد مدل ها بهبود می یابد. همچنین بر اساس نتایج حاصل شده، در بهترین حالت، مدل شبکه عصبی مصنوعی در بازسازی داده های بارش ماهانه و مدل ماشین بردار پشتیبان در بازسازی داده های بارش فصلی به ترتیب با مقدار خطای ۳۳/۱۲ و ۸۲/۱۸ میلی متر و ضریب تبیین ۸۷/۰و ۹۴/۰ نسبت به مدل دیگر از عملکرد بهتری برخوردار بودند.

کلیدواژه ها:

بارش ماهانه ، ضریب تبیین ، پیش بینی ، بازسازی ، داده های گمشده