برآورد داده هاي گم شده هواشناسي با روش هاي مختلف و مقايسه بين نتايج آنها

در اين مطالعه از روش هاي تفاضل ها، نسبت ها، رگرسيون خطي، شبكه عصبي و الگوريتم تنظيمي حداكثر محتمل (The regularized expectation maximization algorithm) در تكميل نواقص داده هاي هواشناسي استفاده و نتايج آنها با يكديگر مقايسه شد. به منظور اين مقايسه، از سه متغير هواشناسي دماي كمينه، بيشينه و بارندگي روزانه در سال 2010 در ايستگاه هاي سينوپتيك نوژه و فرودگاه همدان استفاده شد. ايستگاه نوژه به عنوان ايستگاه مبنا در نظر گرفته و 30 روز از آمارهاي هواشناسي در ايستگاه فرودگاه همدان به صورت مصنوعي حذف شد. سپس ركوردهاي حذف شده با روش هاي مورد اشاره تكميل شدند. در شبيه سازي داده هاي گمشده دماي كمينه و بيشينه، به ترتيب روش هاي شبكه عصبي و رگرسيوني بهترين برازش ها را به دست دادند. همچنين نتايج ناكارآمدي الگوريتم تنظيمي حداكثر محتمل در بازسازي داده هاي دماي بيشينه را نشان داد، كه علت آن بيش برازشي در مدل سازي تشخيص داده شد. به دليل تغييرپذيري شديد در بارندگي، روش هاي اشاره شده نتوانستند به خوبي اين متغير را شبيه سازي كنند. با اين حال ضروري است كه در گزارش ارتفاع بارندگي ماهانه يا سالانه، از يكي از روش هاي بازسازي داده استفاده شود. در مجموع نتايج اين مطالعه مناسب بودن روش رگرسيون را نشان داد كه از مزاياي آن مي توان به سادگي، اطمينان در نتايج حاصله، دقت مناسب و سرعت بالاي كاربرد اشاره كرد.