برآورد داده های گم شده هواشناسی با روش های مختلف و مقایسه بین نتایج آنها

در این مطالعه از روش های تفاضل ها، نسبت ها، رگرسیون خطی، شبکه عصبی و الگوریتم تنظیمی حداکثر محتمل (The regularized expectation maximization algorithm) در تکمیل نواقص داده های هواشناسی استفاده و نتایج آنها با یکدیگر مقایسه شد. به منظور این مقایسه، از سه متغیر هواشناسی دمای کمینه، بیشینه و بارندگی روزانه در سال 2010 در ایستگاه های سینوپتیک نوژه و فرودگاه همدان استفاده شد. ایستگاه نوژه به عنوان ایستگاه مبنا در نظر گرفته و 30 روز از آمارهای هواشناسی در ایستگاه فرودگاه همدان به صورت مصنوعی حذف شد. سپس رکوردهای حذف شده با روش های مورد اشاره تکمیل شدند. در شبیه سازی داده های گمشده دمای کمینه و بیشینه، به ترتیب روش های شبکه عصبی و رگرسیونی بهترین برازش ها را به دست دادند. همچنین نتایج ناکارآمدی الگوریتم تنظیمی حداکثر محتمل در بازسازی داده های دمای بیشینه را نشان داد، که علت آن بیش بر ازشی در مدل سازی تشخیص داده شد. به دلیل تغییرپذیری شدید در بارندگی، روش های اشاره شده نتوانستند به خوبی این متغیر را شبیه سازی کنند. با این حال ضروری است که در گزارش ارتفاع بارندگی ماهانه یا سالانه، از یکی از روش های بازسازی داده استفاده شود. در مجموع نتایج این مطالعه مناسب بودن روش رگرسیون را نشان داد که از مزایای آن می توان به سادگی، اطمینان در نتایج حاصله، دقت مناسب و سرعت بالای کاربرد اشاره کرد.

کلیدواژه ها:

سینوپتیک ، همدان ، داده مفقود ، رگرسیون ، شبکه عصبی ، الگوریتم EM