@article { author = {Mouneskhah, Vahid and Khaledi, Mohammad and Hadi, Moein and Samadianfard, Saeed}, title = {Comparison of the efficiency of intelligent and statistical methods in the reconstruction of sunshine hours data (Case study: East of Urmia Lake basin)}, journal = {Journal of Agricultural Meteorology}, volume = {10}, number = {2}, pages = {28-36}, year = {2023}, publisher = {Iranian Society of Irrigation and Water Engineering}, issn = {2345-3419}, eissn = {2588-6002}, doi = {10.22125/agmj.2022.315265.1126}, abstract = {One of the climate variables with relatively large gaps in observation and significant importance in estimation of evapotranspiration is sunshine hours. In the present study, in order to reconstruction the sunshine hour data of several selected stations in Tabriz province, Iran namely,Tabriz, Sarab, Sahand and Maragheh during the period of 1990 to 2019, skill of intelligent approaches of SVR, ANN and RF was compared with statistical methods of normal ratio, geographical coordinates and weight correlation coefficient. Statistical indices of R, RMSE, MAD and Taylor diagrams were used for evaluation of comparisons. The obtained results showed that ANN and geographical coordinate methods have the highest accuracy in reconstruction sunshine hours among the selected intelligent and statistical methods, respectively. In Tabriz and Sahand stations, the geographical coordinate method with RMSE of 1.04 and 1.13 hours, respectively, in the Sarab station SVR with RMSE of 1.58 hours and in Maragheh station the normal ratio method with RMSE of 1.45 hours showed the highest accuracy in generating sunshine hours. Besides, RF method had the lowest accuracy in reconstruction of sunshine hours data. It can be concluded that in Tabriz, Sarab and Sahand stations, both types of intelligent and statistical methods have almost same accuracy, but in Maragheh station, statistical methods provided slightly better estimations.}, keywords = {Data gaps,Sunshine Hours,Taylor diagram,Urmia Lake Basin}, title_fa = {مقایسه کارآیی روش‌های هوشمند و آماری در بازسازی داده‌های ساعت آفتابی (مطالعه موردی: شرق حوضه دریاچه ارومیه)}, abstract_fa = {یکی از متغیرهای هواشناسی که در مطالعات اقلیمی و برآورد تبخیرتعرق اهمیت زیادی داشته و عموما دارای خلا.های آماری نسبتاً زیادی می باشد، ساعات آفتابی است. در پژوهش حاضر به‌‌منظور باز‌سازی داده‌های این کمیت در ایستگاه‌های تبریز، سراب، سهند و مراغه در دوره آماری 1369 تا 1398 از روش‌های هوشمند رگرسیون ماشین بردار پشتیبان (SVR)، شبکه‌های عصبی مصنوعی (ANN) و جنگل‌های تصادفی (RF) و روش‌های آماری شامل نسبت نرمال (NR)، مختصات جغرافیایی (GC) و ضریب همبستگی وزنی (CCW) استفاده شده‌است. ، برای ارزیابی و مقایسه نتایج از شاخص‌های ضریب همبستگی، جذر میانگین مربعات خطا، میانگین انحرافات مطلق و دیاگرام تیلور استفاده گردید. نتایج نشان داد که در حالت کلی، روش‌های ANN و مختصات جغرافیایی به ترتیب در بین روش‌های هوشمند و آماری، بالاترین دقت را در بازسازی داده‌های ساعات آفتابی دارند. در ایستگاه‌های تبریز و سهند، روش مختصات جغرافیایی به‌ترتیب با RMSE معادل 04/1 و 13/1 ساعت، در سراب روش SVR با RMSE معادل 58/1 ساعت و در مراغه روش نسبت نرمال با RMSE معادل 45/1 ساعت، بالاترین دقت را در بازسازی داده‌های ساعات آفتابی دارند. همچنین روش RF، کمترین دقت را بازسازی داده‌های ساعت آفتابی از خود نشان داد. به عنوان یک نتیجه کلی چنین می‌توان بیان نمود که در ایستگاه‌های تبریز، سراب و سهند، هر دو دسته روش‌های هوشمند و آماری دقت تقریباً مشابهی دارند ولی در ایستگاه مراغه، روش‌های آماری برآوردهای دقیق‌تری در بازسازی داده‌های ساعات آفتابی دارند.}, keywords_fa = {خلاء آماری,حوضه دریاچه ارومیه,دیاگرام تیلور,ساعات آفتابی}, url = {https://www.agrimet.ir/article_153691.html}, eprint = {https://www.agrimet.ir/article_153691_ba53bc7fa820340d484216c05304e136.pdf} }