ارزیابی عملکرد مدل‌ها الگوریتم ژنتیک و ماشین بردار پشتیبان در بازسازی داده‌های گمشده بارش (مطالعه موردی: استان قزوین)

با توجه به تغییرات مکانی و زمانی بارش و همچنین پتانسیل سیل‌خیزی در بخش هایی از استان قزوین، اطلاع از احتمال وقوع و یا دوره بازگشت سیلاب‌ها می‌تواند برنامه‌ریزان و متخصصان کشور را در زمینه راهکارهای کنترل این پدیده مخرب یاری نماید. گام نخست در پیش‌بینی سیلاب، پیش‌بینی میزان بارش می‌باشد. پیش‌بینی بارش نیز در یک ایستگاه نیازمند آمار و اطلاعات دقیق و طولانی مدت از مقدار و توزیع زمانی بارندگی در آن ایستگاه است. لیکن فقدان داده‌های بارندگی و نواقص آماری موجود در برخی از ایستگاه‌های هواشناسی، مشکلاتی را به همراه داشته و از دقت تخمین بارش‌های آتی می‌کاهد. در تحقیق حاضر از دو مدل هوشمند برنامه‌ریزی ژنتیک و ماشین بردار پشتیبان به منظور بازسازی داده‌های بارش ماهانه چهار ایستگاه باران‌سنجی واقع در استان قزوین، در دوره آماری 1375 تا 1395، استفاده شد. آمار ایستگاه ناقص ابتدا به کمک اطلاعات یک ایستگاه، سپس دو ایستگاه و در نهایت از داده‌های سه ایستگاه، بازسازی گردید. نتایج نشان داد که با افزایش حافظه و تعداد ایستگاه‌های دخیل در مرحله آموزش، عملکرد مدل‌ها بهبود می‌یابد. همچنین مدل ماشین بردار پشتیبان در بازسازی داده‌های بارش ماهانه ایستگاه پروان و مشانه به ترتیب با میانگین مربعات خطا 88/12 و 43/11 و ضریب همبستگی 93/0 و 95/0 نسبت به مدل برنامه‌ریزی ژنتیک با میانگین مربعات خطای 13 و 21/12 و ضریب همبستگی 93/0 و 95/0 از عملکرد بهتری برخوردار بوده است.