بررسي كارايي روشهاي رگرسيون خطي، شبكه عصبي مصنوعي و سيستم هاي عصبي فازي تطبيقي در بازسازي داده هاي بارندگي ( مطالعه موردي بازسازي آمار بارش ماهانه)

مسئله داده های گم شده ) missing value ( جزء مواردی است كه در اكثر كارهای علمی با آن مواجه هستیم. در مواردی چون مدل سازی بارش و روان آب، برآورد بارش یك منطقه از روی ایستگاه های هواشناسی مجاور منطقه وجود سری داده ها با طول آماری مناسب و بدون داده های از دست رفته بسیار با اهمیت می باشد. . در تحقیق حاضر از روش های رگرسیون خطی) LR ( ، شبكه عصبی مصنوعی ) ANN ( و سیستم های عصبی فازی تطبیقی ) ANFIS ( به منظور تخمین داده های گم شده استفاده شد. در مدل ) ANN ( شبكه های MLP و RBF با 5 نوع تابع فعالیت به كار گرفته شد. در مدل ) ANFIS ( توابع عضویت 11 گانه بكارگرفته شد. بر اساس رابطه بین آمار موجود ایستگاه و ایستگاه مبنا در هر روش پس از حذف داده های مشاهده ای، مقادیر آنها از طریق روش های مذكور برآورد شده و با استفاده از آماره های ریشه میانگین مجذور مربعات خطا ( RMSE ( و ضریب همبستگی ) R2 ( اولویت هر یك از روش ها مورد شناسایی قرار گرفت. در بین مدل های مذكور رگرسیون خطی با R2=0.85 و RMSE=0.041 و از مدل های ) ANN ( مدل RBF 1-28-1) ( با R2=0.86 و RMSE=0.046 و از مدل های ( ANFIS ( مدل guass2 با دو تابع عضویت با R2=0.86 و RMSE=0.073 بهترین ساختارها شناخته شدند.