افزایش دقت برآورد داده‌های گمشده بارش ماهانه با الگوریتم ژنتیک و کلونی مورچگان

نویسندگان

1 گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد

2 استاد گروه علوم و مهندسی آب- دانشکده کشاورزی- دانشگاه فردوسی مشهد

3 استاد دانشگاه فردوسی مشهد- گروه مهندسی آب

4 دانشیار، گروه آمار، دانشگاه فردوسی مشهد

doi
چکیده

  بارش از مهم‌ترین متغیرهای هوا و اقلیم­شناسی بوده و ارتباط مستقیم با وضعیت اقلیمی منطقه دارد. دقت شبیه سازی این متغیر با توجه به تغییرات زیاد آن از اهمیت بسزایی برخوردار است. آمار مشاهده‌ای در اولین ایستگاه های همدید ایران از سال 1330 (1951 میلادی) در سایت سازمان هواشناسی ایران قابل دسترس است. آمار قدیمی و طولانی مدت دما و بارش ماهانه پنج شهر ایران شامل مشهد توسط سفارت امریکا و انگلیس از دوره قاجار (حدود 1880) اندازه‌گیری و در کتبی ثبت شده­است. متاسفانه، این آمار دارای داده گمشده می باشد. داده های گمشده ماهانه عمدتا در طول جنگ جهانی دوم (1949-1941) و به­طور پراکنده در طول دوره آماری وجود دارد. ایستگاه­هایی از کشورهای مجاور با توجه به معیار فاصله، همبستگی و تکمیل بودن داده­ها در دوره­های دارای داده گمشده به­عنوان ایستگاه­های مبنا انتخاب شدند. این پژوهش ده الگوی چندگانه رگرسیونی را به بارش ماهانه ایستگاه مشهد برازش داده و سپس پارامترهای این الگوها  با روش­های الگوریتم ژنتیک و الگوریتم کلونی مورچگان بهینه کرده­است. نتایج نشان داد الگوریتم ژنتیک و کلونی مورچگان دقت برآورد داده­های گمشده بارش را به طور چشمگیری بالا می­برد. کمترین معیار خطای RMSE الگوهای رگرسیونی 79/9 است که با بهینه سازی با ژنتیک الگوریتم تا 560/2 و با الگوریتم کلونی مورچگان تا 559/2 کاهش می­بابد.