عنوان پایان‌نامه
مقایسه مدل های شبکه عصبی و مدل شبکه درختی M۵ برای تکمیل داده های گمشده تبخیر از تشت
- رشته تحصیلی
- مهندسی‌کشاورزی-آبیاری و زهکشی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 61079;کتابخانه پردیس ابوریحان شماره ثبت: 753
- تاریخ دفاع
- ۱۶ دی ۱۳۹۲
- دانشجو
- مرجان وهابی مشهور
- استاد راهنما
- علی رحیمی خوب
- چکیده
- روش تشت تبخیر به عنوان یک روش ساده و مناسب برای برآورد تبخیر وتعرق مرجع استفاده می¬شود. اما در بعضی موارد، داده¬های تبخیر بدست آمده از تشت تبخیر به علت دقت پایین در برداشت داده¬ها و یا نقص درتجهیزات هواشناسی، ناقص می¬باشند و چون برای انجام برنامه¬¬ریزی¬های صحیح در منابع آب¬، پیوستگی داده¬ها دارای اهمیت می¬باشد، بنابراین لازم است این نواقص آماری به طریقی برطرف گردد. داده¬های گمشده هواشناسی یکی از مشکلات پیش روی متخصصان و طراحان پروژه¬های منابع آب است .روش¬های متعدد¬ی برای تخمین این داده¬های گمشده وجود دارد. هدف از این پژوهش مقایسه کارایی دو مدل درختی و شبکه عصبی در مورد بازسازی داده¬های گمشده تبخیر روزانه 7 ایستگاه هواشناسی استان خوزستان می¬باشد. به این منظور از داده¬های روزانه سرعت باد، دمای حداقل و دمای حداکثر هوا، تابش برون زمینی و رطوبت نسبی هوا به عنوان ورودی مدل¬ها استفاده شد. داده¬ها به سه دوره 4، 8 و 12 ساله تقسیم شدند و در هر دوره پس از حذف عمدی داده¬های اندازه گیری شده روزانه تبخیر از تشت به صورت 5% داده¬ها در دوره¬های 5/0 ماهه، 10% در دوره¬های 5/0 ماهه ، 10% در دوره¬های 1 ماهه ، 20% در دوره¬های 5/1 ماهه و 30% در دوره¬های 3 ماهه، مقادیر گمشده با استفاده از مدل¬ها برآورد گردید. برای مقایسه عملکرد دو مدل از پارامترهای آماری ضریب تبیین، میانگین انحراف خطا و ریشه میانگین مربعات خطا استفاده شد. در مدل درختی مقادیر ضریب تبیین برای دوره 4 ساله برای گروه¬های 5/0- 5%، 5/0- 10%، 1-10%، 5/1- 20% و 3- 30% به ترتیب برابر83%، 84%، 75%، 85% و 69% ، برای دوره 8 ساله به ترتیب برابر84%، 84%، 83%، 80% و 73% و برای دوره 12 ساله به ترتیب برابر91%، 87%، 83%، 85% و74% بدست آمد. در مورد مدل شبکه عصبی مقادیر ضریب تبیین برای دوره 4 ساله برای گروه¬های 5/0- 5%، 5/0- 10%، 1-10%، 5/1- 20% و 3- 30% به ترتیب برابر 84%، 84%، 75%، 85% و 69%، برای دوره 8 ساله به ترتیب برابر 83%، 84%، 83%، 81% و 74% و برای دوره 12 ساله به ترتیب برابر90%، 86%، 83%، 85% و 75% بدست آمد. بالاتر بودن مقادیر ضریب تبیین برای دوره آماری 12 ساله نشان داد، مدل-ها هنگام تخمین داده¬های گمشده برای دوره¬های آماری طولانی¬تر دارای عملکرد بهتری هستند. همچنین با افزایش داده¬های گمشده از 5% به 30% نیز از دقت این مدل¬ها کاسته ¬شد. مقایسه این دو مدل نشان داد که هردو دارای دقت مشابهی در برآورد داده¬های گمشده می¬باشند. البته مدل درختی به دلیل خطای کمتر، سرعت و سهولت کار با مدل بعنوان مدل برتر انتخاب شد. کلید واژه: تبخیر از تشت، مدل شبکه عصبی مصنوعی، مدل درختی M5، داده¬های گمشده
- Abstract
- Pan evaporation method is used as a simple and suitable way for estimating reference evapotranspiration. But in some cases the data obtained by evaporation pan are incomplete due to low accuracy or defects in meteorological equipments. and because for proper planning of water recources ,data integration is required, Therefore, the statistical errors must be resolved in some way. Missing data is one of the problems facing water resources projects. There are many ways to estimate missing data. The purpose of this study was to compare the efficiency of two models, tree and neural networks to reconstruct the missing daily evaporation data in seven meteorological stations in Khuzestan province. For this purpose wind speed, maximum and minimum air temperature, extraordinary radiation and humidity daily data were used as model inputs. The data were divided into three periods of 4, 8 and 12 years. In any given period after intentional removal of measuring daily evaporation data as follows: 5% of data in 0.5 month intervals, 10% in 0.5 month intervals, 10% in 1 month intervals, 20% in 1.5 month intervals and 30% in 3 month intervals ,missing values were estimated using the models. To compare the performance of two models, statistical parameters, correlation Coefficient, mean error and root mean square error were used. The Tree model correlation coefficient values for the period of 4 years for 0.5- %5, 0.5- %10, 1-10%, 1.5- 20% and 3-30%, were %83, %84, %75, %85 and%69, for period of 8 years, were %84, %84, %83, %80, %73 and for period of 12 years were %91,%87, %83, %85 and %74 respectively. The neural network model correlation coefficient values for the period of 4 years for 0.5- %5, 0.5- %10, 1-10%, 1.5- 20% and 3-30%, were %84, %84, %75, %85 and %69, for period of 8 years, were %83, %84, %83, %81, %74 and for period of 12 years were %90, %86, %83 , %85 and %75 respectively. Higher correlation coefficient values for the period of 12 years indicated, when estimating the missing data belonging to a longer term statistical data, models are more efficient. Also by increasing missing data from 5% to 30%, the accuracy of models were diminished. Comparing the two models showed that both have similar accuracy in estimating missing data. The Tree model due to lower error rate and the ease of working with the model, was chosen as the top model. Keywords: Evaporation pan, artificial neural network, M5 model tree, missing data
