کاربرد و ارزیابی توانایی توابع مفصل در تخمین بارش روزانه در شرق حوضه دریاچه ارومیه

استفاده از سری داده‌های صحیح و بدون داده گم‌شده، شرط لازم برای انجام بیشتر مطالعات آماری و هیدرولوژیکی است. با توجه‏ به اهمیت بارش به‌عنوان یکی از مهمترین متغیرهای اقلیمی و هیدرولوژیکی، در این پژوهش به‌منظور پیش‌‌بینی بارش روزانه تبریز، از توابع مفصل استفاده شده و نتایج آن با روش‌های هوشمند و آمار کلاسیک مقایسه شد. به‌منظور پیش‌بینی بارش در ایستگاه تبریز، از داده‌های بارش ایستگاه‌های سراب، سهند و مراغه نیز به‌عنوان ایستگاه‌های کمکی استفاده شد. بر اساس نتایج به‌دست آمده در بین همه روش‌های مورد بررسی، روش مدل درخت با مقادیر rmse معادل 3/14 میلی‌متر و mad معادل 2/13 میلی‌متر و روش جنگل تصادفی با مقادیر rmse معادل 5/18 میلی‌متر و mad معادل 3/04 میلی‌متر به‌ترتیب بیشترین و کمترین دقت را در برآورد رویدادهای بارش دارند. در میان مفصل‌های ارشمیدسی، تابع گامبل مقادیر rmse و mad به ترتیب 3/89 و 2/51 میلی‌متر می‌باشد. از آنجایی‏‏که محدوده خطای داده‌های تخمینی به‏دست آمده از توابع مفصل بسیار نزدیک به سایر روش‌ها می‌باشد؛ باتوجه‏به قابلیت‌های توابع مفصل از جمله توانایی اعمال شرط‏های متعدد و ماهیت احتمالاتی آن، که رفتار پدیده را در نظر می‌گیرد، می‌توان گفت در شرایط مشابه توانایی توابع مفصل در برآورد داده‌های گمشده پدیده‌های احتمالاتی مانند بارندگی مناسب است.

application and evaluation of the ability of copulas in estimating daily precipitation in the east of lake urmia basin

the use of accurate and continuous data series is a necessary condition for most statistical and hydrological studies. due to the importance of precipitation as one of the most important climatic and hydrological variables, in the present study, in order to predict the daily precipitation of tabriz, copula functions were used and the results were compared with intelligent methods and classical statistics. to predict precipitation in tabriz station, precipitation data of sarab, sahand, and maragheh stations were also used as auxiliary stations. based on the obtained results, among all the methods studied, the m5 method with rmse values of 3.14 mm, and the mad method with 2.13 mm and the rf method with rmse values of 5.18 mm and mad 3.04 mm have the highest and lowest accuracy in estimating precipitation events, respectively. among archimedean copulas, the rmse and mad values for the gambel function are 3.89 and 2.51 mm, respectively. despite the range of estimation data is still very close to other methods, considering the capabilities of copula functions, including the ability to apply multiple conditions and its probabilistic nature, which considers the behavior of the phenomenon, it can be acknowledged that in similar circumstances, the ability of copula functions to estimate the missing data of phenomena such as rainfall is acceptable.