فهرست نشریات علمی دسترسی آزاد ایران

در دسترس بودن داده‌های کامل و دقیق اقلیمی، نقش کلیدی در تحلیل‌های اقلیم‌شناسی، مطالعات هیدرولوژیکی و مدیریت منابع آب دارد. با این حال، داده‌های ثبت‌شده در ایستگاه‌های هواشناسی معمولاً با گمشدگی مواجه‌اند که در صورت بازسازی نادرست می‌تواند موجب انحراف در نتایج مدل‌سازی شود. در این پژوهش، به‌منظور بازسازی داده‌های گمشده اقلیمی در شش ایستگاه منتخب تبریز، بناب، ارومیه، مراغه، سقز و سراب، واقع در حوضه آبریز دریاچه ارومیه، چهار مدل شامل MICE، MICE–GBR، MICE–XGB و MICE–LGBM مورد بررسی و مقایسه قرار گرفتند. برای ارزیابی کارایی مدل‌ها از شاخص‌های آماری R2، NRMSE، |PBIAS|  و KGE استفاده شد. نتایج نشان داد مدل‌های ترکیبی مبتنی بر الگوریتم‌های تقویتی نسبت به مدل پایه MICE عملکرد دقیق‌تر و باثبات‌تری دارند. در میان آن‌ها، مدل MICE–XGB با میانگین R2 بالاتر از 90/0 و KGE بیش از 92/0 در اغلب ایستگاه‌ها بهترین نتایج را ارائه داد. کمترین خطاها در متغیرهای دمایی و بیشترین در متغیرهای وابسته به ابرناکی مشاهده شد. مقدار |PBIAS∣  در تمام مدل‌ها کمتر از 025/0 درصد بود که نشان‌دهنده عدم وجود بایاس سیستماتیک قابل توجه است. همچنین مقایسه زمان اجرای مدل‌ها نشان داد روش‌های تقویتی علی‌رغم دقت بالا، از نظر محاسباتی بهینه و مقرون‌به‌صرفه هستند. در مجموع، یافته‌ها بیانگر کارایی بالای مدل‌های ترکیبی MICE با یادگیری تقویتی در بازسازی داده‌های اقلیمی و پیشنهاد به‌کارگیری آن‌ها در تحلیل‌های اقلیمی و هیدرولوژیکی آتی است.