مقایسه عملکرد مدل‌های درختی و شبکه عصبی به‌منظور یافتن داده‌های گمشده تبخیر از تشت در استان خوزستان

سابقه و هدف: داده‌های تبخیر از تشت برای برآورد نیاز آبی گیاهان استفاده می‌شود ولی این داده‌ها در بعضی موارد به‌علت عدم دقت لازم در اندازه‌گیری‌ها و یا خرابی تجهیزات ناقص شده و به‌عنوان داده‌های گمشده از آن یاد می‌گردد. از آن‌جایی‌که پیوستگی داده‌ها برای برنامه‌ریزی آبیاری مهم است، بنابراین ضرورت دارد این نواقص آماری برطرف گردد. روش‌های زیادی برای یافتن داده‌های گمشده مورد استفاده قرار گرفتند در این میان مدل‌های درختی و شبکه‌های عصبی از دقت خوبی برخوردار بوده‌اند ولی تاکنون این دو روش مورد مقایسه و ارزیابی قرار نگرفتند. هدف از انجام این پژوهش مقایسه دو مدل درختی و شبکه‌های عصبی برای بازسازی داده‌های گمشده تبخیر روزانه 4 ایستگاه هواشناسی استان خوزستان است. مواد و روش‌ها: در این پژوهش داده‌های مورد نیاز از 4 ایستگاه هواشناسی شامل آغاجاری، بندر ماهشهر، ایذه و بستان واقع دراستان خوزستان جمع‌آوری شد. اقلیم این ایستگاه‌ها براساس طبقه‌بندی دومارتن خشک می‌‌باشد. داده‌ها مربوط به سال‌های 1997 تا 2008 میلادی و شامل مقادیر روزانه تبخیر از تشت، سرعت باد، حداکثر و حداقل دمای هوا، رطوبت نسبی هوا، ساعات آفتابی و تابش برون‌زمینی بودند. این داده‌ها 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% داده‌های اندازه‌گیری شده، مقادیر آن‌ها با استفاده از مدل‌های درختی و شبکه عصبی برآورد شدند و نتایج این دو مدل با استفاده از شاخص‌های آماری مورد مقایسه قرار گرفتند. یافته‌ها: در مدل درختی مقادیر ضریب تبیین برای دوره 4 ساله با حذف 5%، 10% و 20% داده‌ها به‌ترتیب برابر 85/0، 75/0 و 85/0 و برای دوره 12 ساله برابر 90/0، 83/0 و 84/0 به‌دست آمد. در مورد مدل شبکه عصبی مقادیر ضریب تبیین برای دوره 4 ساله با حذف 5%، 10% و 20% داده‌ها به‌ترتیب برابر 85/0، 75/0 و 85/0 و برای دوره 12 ساله برابر 90/0، 82/0 و 85/0 به‌دست آمد. بیش‌تر بودن مقادیر ضریب تبیین برای دوره آماری 12 ساله نشان داد، مدل‌ها هنگام تخمین داده‌های گمشده برای دوره‌های آماری طولانی‌تر دارای عملکرد بهتری هستند. با افزایش داده‌های گمشده از 5% به 20% نیز از دقت این مدل‌ها کاسته شد. همچنین مقایسه این دو مدل نشان داد که هردو دارای دقت مشابهی در برآورد داده‌های گمشده می‌باشند. نتیجه‌گیری: با توجه به نتایج به‌دست آمده از این پژوهش، هر دو مدل شبکه عصبی و درختی در صورت موجود بودن بیش از 10 سال داده‌های آماری، نتایج نسبتاً مطلوبی خواهند داشت. همچنین هنگامی که تعداد داده‌های گمشده کم‌تر باشند و یا در بازه‌های کوتاه‌تری گم شده باشند، مقادیر تخمین زده شده به مقادیر واقعی نزدیک‌تر خواهد بود. به‌منظور بهبود و تکمیل نتایج این پژوهش پیشنهاد می‌شود تخمین داده‌های گمشده برای دوره‌های آماری مختلف نظیر 8 و یا 15 سال نیز تکرار و بهترین دوره آماری برای بهترین عملکرد مدل‌ها مشخص گردد.