fa تخمین داده‌های گمشده بارش و رواناب روزانه با استفاده از نگاشت خودسامانده (مطالعه موردی استان مازندران) عمومی Ggeneral پژوهشي Research <div style="text-align: justify;"><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;">یکی از مشکلات پیش‌روی متخصصان و طراحان پروژه‌های آبی، سری‌های زمانی ناقص در علم هیدرولوژی است که باعث بروز خطا در نتایج مطالعات شده و اجرای پروژه‌ها را دچار مشکل می‌کند. این مساله در مناطقی که تعداد ایستگاه‌های هیدرومتری و باران‌سنجی محدود است، حادتر است. از طرفی ارزیابی، توسعه و استفاده پایدار از منابع آبی نیازمند در اختیار داشتن سری‌های زمانی هیدرولوژیکی با کیفیت بالا و طول مدت کافی است. لذا این موضوع رفع نواقص آماری را ایجاب می‌کند و اهمیت چگونگی مواجه شدن با این مشکلات در آنالیزهای هیدرولوژیکی را نشان می‌دهد. در حال حاضر استفاده از روش‌های آماری به‌منظور رفع خلاء‌های آماری و بازسازی داده‌ها متداول است. در این مطالعه به‌منظور معرفی روشی چندمتغیره در برآورد داده‌های گمشده مربوط به بارش و رواناب، در یک منطقه همگن از لحاظ هیدرولوژیکی در استان مازندران، روش نگاشت‌های خودسازمانده تحت دو سناریو مورد بررسی قرار گرفت و تخمین‌های قابل </span></span></strong><strong><span style="font-family:b lotus;">اعتمادی </span></strong><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;">را به‌دست آورد. به‌نحوی که مقادیر ضریب همبستگی بین داده‌های مشاهداتی و خروجی مدل برای داده‌های بارش تا 92/0 و برای داده‌های رواناب تا 95/0 محاسبه شد. لذا پیشنهاد می‌شود برای کاهش عدم اطمینان ناشی از داده‌های ناکافی در مدیریت منابع آب، از این روش استفاده شود.</span></span></strong></div> <div style="text-align: justify;">Expert aquatic designers face many problems; among these, in hydrology, defective occurrences in time-series can cause errors in the ultimate results of the study. This more often happens in the regions where the number of hydrometric and rain gauge stations is limited. In addition, assessing, developing and maintaining the use of water resources require accessible long-term and high-quality quality hydrological time-series. Thus, this necessitates correcting the statistical flaws and magnifies the importance of how to deal with the problems in the hydrological analyses. Statistical methods are, currently, used to infill data and statistical gaps. In this study, in order to introduce a multivariate method for estimating the missing data on rainfall and runoff, in a hydrologic homogeneous region in the Mazandaran province, self-organizing map methods were examined under two scenarios and some reliable estimates were obtained. In this regard, the correlation coefficients between the observational data and the model output were calculated for the precipitation data up to 0.92 and up to 0.95 for the runoff data. Therefore, to avoid the reduction of uncertainty caused by the inadequate data in water resource management, this method could be used.</div> شبکه‌عصبی غیرنظارت شونده, بازسازی سری‌های زمانی, داده‌های گمشده Unsupervised neural network, Infilling time series, Missing data 1 17 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-3842-1&slc_lang=fa&sid=1 S. Eslami Jamal Abad1 ساناز اسلامی جمال آباد sanaz_eslami63@yahoo.com No 1. Civil Engineering Department, Science and Research Branch, Islamic Azad University, Tehran, Iran. 1. گروه مدیریت ساخت و آب، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی تهران، ایران A. Sharafati احمد شرافتی asharafati@srbiau.ac.ir Yes 1. Civil Engineering Department, Science and Research Branch, Islamic Azad University, Tehran, Iran. 1. گروه مدیریت ساخت و آب، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی تهران، ایران E. Mohammadi Golafshani عمادالدین محمدی گل افشانی golafshani@srbiau.ac.ir No 1. Civil Engineering Department, Science and Research Branch, Islamic Azad University, Tehran, Iran. 1. گروه مدیریت ساخت و آب، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی تهران، ایران F. Farsadania فرهاد فرسادنیا farhadfarsadnia@stu.um.ac.ir No 2. Department of Water Engineering, College of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran. 2. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد