كاربرد روش رگرسيون خطي فازي در برآورد داده هاي ناقص دبي سالانه ايستگاه هاي هيدرومتري و مقايسه آن با ساير روش هاي متداول

Application of Fuzzy Linear Regression for predicting annual discharge missing data in hydrometric station compared with other conventional methods

چكيده 1 داده هاي ناقص دبي يكي از مشكلات پيش روي متخصصا ن و طراحان پروژه هاي منابع آب است و باعث بروز خطا د ر نتايج مطالعات طرح ها شده و اجراي پروژه ها را دچار مشكل مي نمايد. در مناطقي كه ايستگاه هاي هيدرومتري از نظر تعداد محدود مي باشند اين مس اله حادتر مي باشد. بنابراين لازم است اين نواقص آماري به طريقي برطرف گردد . روش هاي متعدد ي بر اي تخمين داد ه ها ي گمشده وجود دارد. در اين پژوهش كارايي روش رگرس يون خطي فازي در مقا ي سه با روش ها ي رگرسيون خطي ساده، رگرسيون چند متغيره و روش محور مختصاتي و نسبت نرمال در مورد بازسازي دب ي سالانه ايستگاه هاي هيدرومتر ي حو ضه آبريز كارون بزرگ مو رد ارز يابي قرار گرفته است . در اين پژوهش با استفاده از روش حذف اعتبار ي در 27 ايستگاه هيدرومتري حو ضه كارون بزرگ در قالب 11 گروه بازسازي پس از حذف عمدي داده هاي مشاهده اي دبي ايستگاه ها، مقادير آن ها از طريق روش هاي ذكر شده برآورد گرديد و آماره جذر ميانگين مج ذور مربعات خطا به ترتيب براي روش هاي ذكر شده برابر 17 به دست آمد . بنابراين روش رگرسيون خطي ساده به عنوان / 119 و 6 /6 ،21/0 ،16/05 ،17/ با 41 روش برتر در بازسازي داده هاي دبي سالانه تشخيص داده شد . همچنين روش رگرسيون خطي فازي به عنوان اولويت دوم جهت بازسازي داده هاي دبي در اين حوضه شناخته شد. واژ ههاي كليدي: رگرسيون خطي فازي، داده هاي گمشده، بازسازي داده ها، دبي سالانه، حوضه آبريز كارون

Abstract1 Discharge missing data, is an important challenge facing water resource project designers and hydrologists, as it leads to error in design studies and implementations with enormous financial and safety considerations. When the number of hydrometric stations is limited in an area of concern, this challenge becomes more serious. Therefore, this data needs to be completed statistically for practical purposes. Several methods have been proposed for predicting such missing data. In this article, fuzzy linear regression is compared with simple linear regression, multi-linear regression, graphical method and normal ratio method, for reconstruction of annual discharge data in Great Karoon river basin in south-west Iran. For this purpose, observational discharge data from 27 stations in a set of 11 groups were analyzed. By deliberate exclusion of real annual data for each station, the excluded data was reconstructed using the above methods and the error in calculation was measured using RMSE index which was found to be 17.41, 16.05, 21.00, 119.60 and 17.60, respectively. Hence, simple linear regression was found to be the superior method for reconstruction of annual discharge data for this basin. Fuzzy linear regression was also shown to be the second most appropriate method in this regard. Keywords: Fuzzy linear regression, Missing data, Reconstruction data, Annual discharge, Karoon river basin