مقايسه‌ي سه روش رگرسيوني در بازسازي داده‌هاي تراز آب زيرزميني (مطالعه‌ي موردي)

(Comparing Three Regression Models for Reconstructing Groundwater Level Data (A Case Study

پايه و اساس مطالعات هيدرولوژي، داده‌هاي آماري مورد قبول بوده و اين در حالي است كه خلاهاي پيوسته و گسسته در اغلب داده‌هاي هيدرولوژي مانند داده‌هاي تراز آب زيرزميني كه يكي از مهم‌ترين و ارزان‌ترين منابع آب به شمار مي‌روند، به دليل عدم اندازه‌گيري و ثبت آمار، حذف آمار غلط، خرابي و ... اتفاق مي‌افتد و در نتيجه براورد اين داده‌ها ضروري به نظر مي‌رسد. در اين پژوهش روش‌هاي بر پايه‌ي رگرسيون جهت بازسازي داده‌هاي گمشده‌ي مرتبط با تراز آب‌ زيرزميني ايستگاه‌هاي پيزومتري حوضه‌ي استان لرستان مورد استفاده قرار گرفته است. به اين منظور پس از حذف عمدي حدود 15 درصد داده‌هاي مشاهده‌اي ماهانه‌ي چهار سال متوالي از 22 ايستگاه پيزومتري در محدوده‌ي الشتر، مقادير آن‌ها براورد شده و با استفاده از شاخص ريشه‌ي مجذور ميانگين مربعات خطا و درصد مدول ميانگين انحراف نسبي مورد ارزيابي قرار گرفته است. در نهايت نيز نتايج به‌دست آمده برتري رگرسيون ساده در مقايسه با ساير روش‌ها را نشان مي‌دهد.

The base for hydrology studies is accurate data. However, the gaps and shortage of sufficient data exist n the most hydrology data such as underground water data as the most important and cheapest water source, lack of data take places due to various reasons such as Inability to measure and faille to register statistics. Missing data or incorrect statistics, Therefore, estimating the missing data is necessary which depending on the conditions of each station may demand a specific method to yield the best solution. In this article regression methods were applied in restoring underground water contour of piezometer stations of Lorestan province. In this regards, after deliberate deletion of about 15% the monthly observation data for four consecutive years in 22 piezometer stations in Alashtar of Lorestan province, their values are estimated and assessed them through RMSE and percentage of relative deviation of mean module. Finally, the obtained results are show that the simple linear regression method outperforms other methods.