فهرست نشریات علمی دسترسی آزاد ایران

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.