بازسازی داده‎ های گمشده جریان روزانه رودخانه با استفاده از الگوریتم جنگل گمشده در حوزه بلوچستان جنوبی، ایران

چکیده مبسوط مقدمه و هدف: سری های زمانی کامل هیدرولوژیکی برای مدیریت و مدل سازی منابع آب و انرژی در یک اقلیم در حال تغییر حیاتی هستند. با این‎حال، چنین متغیرهایی اغلب با داده های گمشده همراه هستند، که فرایند تجزیه و تحلیل را دشوار و یا گاهی غیرممکن می‎کند. شکاف‎های داده باعث مشکلاتی در تفسیر، واسنجی ناکارآمد مدل و آماره‎های اریب‎دار می‎شوند. در این بررسی، اعتبار یک الگوریتم ماشین یادگیری تصادفی غیرپارامتری که جنگل گمشده (MissForest) نام دارد برای پرکردن شکاف سری‎های زمانی جریان روزانه در منطقه‎ای با داده کمیاب و تغییرپذیری اقلیمی قوی، ارزیابی گردیده است. مواد و روش ها: داده‎های جریان روزانه در ایستگاه‎های جریان‎سنجی حوزه آبریز بلوچستان جنوبی در یک دوره طولانی‎مدت هیدرولوژیکی (۱۹۷۲/۰۹/۲۳ تا ۲۰۱۸/۰۹/۲۲) مورد بررسی قرار گرفته است. منطقه مورد مطالعه این پژوهش (حوزه آبریز بلوچستان جنوبی) از مجموعه حوزه آبریز خلیج فارس و دریای عمان بوده و با حدود بین سدیج و مرکز پاکستان شناخته می‎شود. درصد گمشدگی بر اساس یک معیار قراردادی (کمتر از ۵۰ درصد) به‎عنوان نسبت قابل‎قبول از نرخ گمشدگی در داده‎های جریان انتخاب و سپس مکانیسم‎ها و الگوهای گمشدگی داده‎ها تعیین گردیده است. بر این اساس، تعداد ایستگاه های جریان سنجی از ۱۱ به ۷ نمونه کاهش یافته است. سپس توزیع زمانی جریان های روزانه گمشده در طول ماه های سال و فراوانی نسبی طول گمشدگی در کل دوره مورد بررسی قرار گرفته است. در ادامه، عملکرد الگوریتم بازسازی داده‎های گمشده با دو سناریوی متفاوت داده گمشده مصنوعی به چالش کشیده شده است. برای این‎منظور، دو نوع شکاف مصنوعی در قسمت داده های کامل ایجاد شده است. الف) در هر ایستگاه جریان سنجی یک بخش از داده ها (با طول ۷، ۱۴، ۲۱، ۳۰، ۶۰، ۱۸۰ و ۳۶۵ روز) به‎طور تصادفی از کل دوره حذف شده است. ب) نقاط داده منفرد شامل مقادیر مشاهده شده روزهای (۳۰، ۶۰، ۹۰، ۱۲۰، ۱۸۰ و ۳۶۵) به‎طور تصادفی از کل دوره (۲۰۱۸-۱۹۷۲) حذف شده اند. الگوریتم جنگل گمشده برای پرکردن شکاف های مصنوعی اجرا و سپس اعتبارسنجی الگوریتم در پرکردن داده‎های گمشده جریان روزانه با مقایسه سری‎های پرشده با داده‎های مشاهده شده، از طریق آزمون‎های سه‎گانه نیکویی برازش (GoF) شامل ضریب تعیین (R۲)، درصد بایاس یا اریب (PBIAS) و معیار کلینگ- کوپتا (KGE) تست شده است.  علاوه بر آن، برخی کنترل ها در عملکرد الگوریتم جنگل گمشده جهت حساسیت‎سنجی انجام شده است. به این مفهوم که الگوریتم جنگل گمشده با درصدهای مختلف از گمشدگی داده در ایستگاه هدف (%۵، %۱۰، %۱۵، %۲۰، %۲۵ و %۳۰) و همچنین تعداد رکوردهای پیش بینی کننده جریان ایستگاه هدف، آزمایش شده است. یافته ها: نتایج نشان داد که به‎طور کلی الگوریتم جنگل گمشده عملکرد رضایت‎بخش و خوبی داشته و امکان شبیه‎سازی دقیق و مطمئن داده‎های از دست رفته را به‎سرعت و به‎صورت خودکار فراهم می‎آورد. عملکرد الگوریتم جنگل گمشده به‎شدت تابعی از تعداد رکوردهای پیش‎بینی کننده، طول رکورد و نوع جریان رودخانه می‎باشد. عملکرد الگوریتم جنگل گمشده به درصد گمشدگی داده های ایستگاه هدف حساس و به تعداد رکوردهای پیش بینی کننده بی‎تفاوت بوده است. با افزایش درصد گمشدگی داده‎ها، عملکرد الگوریتم جنگل گمشده به‎طور قابل ملاحظه کاهش یافته است. علاوه بر آن، این الگوریتم گمشدگی‎های کوتاه‎مدت را نسبت به گمشدگی‎های طولانی‎مدت، دقیق‎تر برآورد می‎کند. عملکرد الگوریتم جنگل گمشده به تعداد رکوردهای پیش‎بینی کننده حساس نمی‎باشد. این وضعیت، به ماهیت هیدروفیزیوگرافی زیرحوضه‎های آبریز و موقعیت ایستگاه‎های آب‎سنجی مربوط می‎شود. تنها در صورتی عملکرد الگوریتم جنگل گمشده برای یک ایستگاه خاص با افزایش رکوردهای پیش‎بینی کننده بهبود می‎یابد که ایستگاه‎های اهداءگر در حوضه آبریز مشترک با ایستگاه هدف قرار داشته باشند در نهایت، بازسازی شکاف‎های واقعی در داده‎های جریان از طریق اعمال این الگوریتم هوشمند ممکن گردید. سری‎های زمانی جریان رودخانه‎ها با رژیم جریان طبیعی با عملکرد خوب شبیه‎سازی شد؛ درحالی‎که این عملکرد برای تغییرات دبی در نتیجه ذخیره‎سازی و انحراف آب برای آبیاری به‎ویژه در پایین دست سدها اندکی افت داشت. عملکرد این الگورتیم در پرکردن سری زمانی روزانه جریان با تغییرات شدید رژیم جریان مانند دبی اوج، مطلوب ارزیابی نشد. این افت عملکرد بیشتر متوجه شرایط هیدرواقلیمی حوزه آبریز مورد مطالعه است تا ساختار الگوریتم. هیدروگراف‎های بازسازی شده امکان تجزیه و تحلیل تغییر و تنوع جریان و برهم‎کنش آن‎ها با متغیرهای آب و هوایی کلیدی را فراهم می‎کنند. نتیجه گیری: الگوریتم جنگل گمشده به‎عنوان یکی از روش‎های بازسازی مبتنی بر یادگیری ماشین دارای اعتبار و عملکرد بالا در بازسازی داده‎های گمشده جریان روزانه رودخانه معرفی شده و می‎توان از آن به‎صورت خودکار و هوشمند در بازسازی نواقص آماری جریان رودخانه در مقیاس روزانه استفاده نمود. پیشنهاد می گردد اثرات حوضه های مختلف با ویژگی های هیدروفیزیکی و اقلیمی خاص در مطالعات آتی بر روی عملکرد الگوریتم جنگل گمشده مورد تجزیه و تحلیل قرار گیرد. بررسی روش پیشنهادی این مطالعه در سایر مناطق هیدرواقلیمی و جغرافیایی، سنجش حساسیت به رژیم بارندگی و جریان رودخانه و در نهایت بررسی عملکرد آن در مقایسه با سایر روش های رایج از جمله موارد دیگری است که در مطالعات آتی می‎توان به آن پرداخت.

کلیدواژه ها:

Goodness of fit ، Machine learning ، MissForest algorithm ، Missing data ، Streamflow ، الگوریتم جنگل تصادفی ، جریان رودخانه ، داده گمشده ، نیکویی برازش ، یادگیری ماشین