Reliable estimation of missing data

Reliable estimation of missing data is an important task for meteorologists, hydrologists and environment protection workers all over the world. In recent years, artificial intelligence techniques have gained enormous interest of many researchers in estimating of missing values. In the current study, we evaluated 11 artificial intelligence and classical techniques to determine the most suitable model for estimating of climatological data in three different climate conditions of Iran. In this case, 5 years (2001–2005) of observed data at target and neighborhood stations were used to estimate missing data of monthly minimum temperature, maximum temperature, mean air temperature, relative humidity, wind speed and precipitation variables. The comparison includes both visual and parametric approaches using such statistic as mean absolute errors, coefficient of efficiency and skill score. In general, it was found that although the artificial intelligence techniques are more complex and time-consuming models in identifying their best structures for optimum estimation, but they outperform the classical methods in estimating missing data in three distinct climate conditions. Moreover, the in-filling done by artificial neural network rivals that by genetic programming and sometimes becomes more satisfactory, especially for precipitation data. The results also indicated that multiple regression analysis method is the suitable method among the classical methods. The results of this research proved the high importance of choosing the best and most precise method in estimating different climatological data in Iran and other arid and semi-arid regions.

ผลลัพธ์ (ไทย) 1:

การประเมินความน่าเชื่อถือของข้อมูลหายไปถือเป็นงานสำคัญสำหรับ meteorologists, hydrologists และงานป้องกันสิ่งแวดล้อมทั่วโลก ในปี ปัญญาประดิษฐ์เทคนิคได้รับดอกเบี้ยมหาศาลของนักวิจัยหลายคนในการประมาณค่าที่หายไป ในการศึกษาปัจจุบัน เราประเมิน 11 ปัญญาประดิษฐ์และเทคนิคคลาสสิกเพื่อดูแบบจำลองที่เหมาะสมที่สุดสำหรับการประเมินข้อมูล climatological ในสามสภาพอากาศต่าง ๆ ของอิหร่าน ในกรณีนี้ 5 ปี (2544 – 2548) ของเป้าหมายและย่านสถานีสังเกตข้อมูลถูกใช้เพื่อประเมินข้อมูลขาดหายไปของอุณหภูมิต่ำสุดรายเดือน อุณหภูมิเฉลี่ย ความชื้นสัมพัทธ์ อุณหภูมิสูงสุด ลมฝนและความเร็วตัวแปร การเปรียบเทียบรวมทั้ง visual และพาราเมตริกเช่นสถิติตามหมายถึง ข้อผิดพลาดสัมบูรณ์ สัมประสิทธิ์ประสิทธิภาพและคะแนนทักษะโดยใช้วิธี ทั่วไป จะพบว่าแม้ว่าเทคนิคการประดิษฐ์จะเพิ่มเติมรูปแบบซับซ้อน และใช้เวลาในการระบุโครงสร้างของพวกเขาที่ดีที่สุดสำหรับการประเมินที่เหมาะสม แต่พวกเขาดีกว่าวิธีการคลาสสิกในการประมาณข้อมูลขาดหายไปในสภาพภูมิอากาศที่แตกต่างกัน 3 นอกจากนี้ ในไส้ทำ โดยโครงข่ายประสาทเทียมคู่แข่งที่ โดยเขียนโปรแกรมทางพันธุกรรม และบางครั้งกลายเป็นน่าพอใจ โดยเฉพาะอย่างยิ่งสำหรับข้อมูลฝน ผลระบุว่า หลายวิธีวิเคราะห์ถดถอยเป็นวิธีที่เหมาะสมระหว่างวิธีคลาสสิก ผลการวิจัยนี้พิสูจน์ความสำคัญสูงของการเลือกวิธีการที่ดีที่สุด และแม่นยำที่สุดในการประมาณข้อมูล climatological ในอิหร่านและภูมิภาคที่แห้งแล้ง และกึ่งแห้งแล้งอื่น ๆ

ผลลัพธ์ (ไทย) 2:

การประมาณค่าความน่าเชื่อถือของข้อมูลที่หายไปเป็นงานสำคัญสำหรับนักอุตุนิยมวิทยา, hydrologists และผู้ปฏิบัติงานการป้องกันสภาพแวดล้อมทั่วทุกมุมโลก ในปีที่ผ่านเทคนิคปัญญาประดิษฐ์ได้รับความสนใจอย่างมากของนักวิจัยหลายคนในการประมาณค่าที่ขาดหายของ ในการศึกษาในปัจจุบันเราได้รับการประเมิน 11 ปัญญาประดิษฐ์และเทคนิคคลาสสิกในการกำหนดรูปแบบที่เหมาะสมที่สุดสำหรับการประเมินของข้อมูลภูมิอากาศในสามสภาพอากาศที่แตกต่างกันของอิหร่าน ในกรณีนี้ 5 ปี (2001-2005) ของข้อมูลที่สังเกตที่เป้าหมายและพื้นที่ใกล้เคียงสถานีถูกนำมาใช้ในการประมาณการข้อมูลที่หายไปของอุณหภูมิต่ำสุดรายเดือนอุณหภูมิสูงสุดเฉลี่ยอุณหภูมิของอากาศความชื้นสัมพัทธ์ความเร็วลมและตัวแปรการตกตะกอน การเปรียบเทียบวิธีการทั้งภาพและพาราสถิติการใช้ข้อผิดพลาดดังกล่าวแน่นอนขณะที่ค่าเฉลี่ยค่าสัมประสิทธิ์ของประสิทธิภาพและทักษะคะแนน โดยทั่วไปจะพบว่าแม้เทคนิคปัญญาประดิษฐ์ที่มีความซับซ้อนมากขึ้นและใช้เวลานานในการระบุรูปแบบโครงสร้างที่ดีที่สุดของพวกเขาสำหรับการประมาณค่าที่เหมาะสม แต่พวกเขาดีกว่าวิธีคลาสสิกในการประมาณข้อมูลที่ขาดหายไปในสามสภาพอากาศที่แตกต่างกัน นอกจากนี้ในการกรอกทำได้โดยเทียมคู่แข่งเครือข่ายประสาทว่าโดยโปรแกรมทางพันธุกรรมและบางครั้งก็กลายเป็นที่น่าพอใจมากขึ้นโดยเฉพาะอย่างยิ่งสำหรับข้อมูลปริมาณน้ำฝน ผลยังชี้ให้เห็นว่าวิธีการวิเคราะห์การถดถอยพหุคูณเป็นวิธีการที่เหมาะสมในหมู่วิธีคลาสสิก ผลการวิจัยนี้ได้รับการพิสูจน์ความสำคัญสูงของการเลือกที่ดีที่สุดและแม่นยำที่สุดวิธีการในการประเมินข้อมูลภูมิอากาศที่แตกต่างกันในอิหร่านและภูมิภาคแห้งแล้งและกึ่งแห้งแล้งอื่น ๆ

ผลลัพธ์ (ไทย) 3:

การประเมินความน่าเชื่อถือของข้อมูลที่ขาดหายไปคืองานสำคัญให้นักอุตุนิยมวิทยา hydrologists และแรงงาน , การคุ้มครองสิ่งแวดล้อมทั่วโลก ในปีล่าสุด , เทคนิคปัญญาประดิษฐ์ที่ได้รับความสนใจอย่างมากของนักวิจัยหลายในการประมาณค่าสูญหาย . ในการศึกษาปัจจุบัน เราประเมินเทคนิค 11 ปัญญาประดิษฐ์และคลาสสิกเพื่อหาแบบจำลองที่เหมาะสมที่สุดสำหรับการประเมินข้อมูล climatological ในทั้งสามต่างสภาพภูมิอากาศของอิหร่าน ในกรณีนี้ , 5 ปี ( พ.ศ. 2544 – 2548 ) ของข้อมูลที่เป้าหมาย และย่านสถานีถูกใช้เพื่อประเมินข้อมูลขาดหายไปของอุณหภูมิต่ำสุดรายเดือน อุณหภูมิสูงสุด , อุณหภูมิ , ความชื้นสัมพัทธ์อากาศ ความเร็วลม และฝน ตัวแปร การเปรียบเทียบวิธีการรวมทั้งภาพและพารามิเตอร์โดยใช้สถิติ เช่น ค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ สัมประสิทธิ์ประสิทธิภาพและคะแนนทักษะ โดยทั่วไปพบว่าแม้ว่าเทคนิคปัญญาประดิษฐ์มีความซับซ้อนมากขึ้นและใช้เวลานานในการระบุรูปแบบโครงสร้างที่เหมาะสมที่สุดของการประมาณค่า แต่พวกเขาแสดงวิธีการคลาสสิกในการประเมินข้อมูลที่ขาดหายไปใน 3 สภาวะอากาศที่แตกต่างกัน นอกจากนี้ ในการกรอกข้อมูลทำโดยโครงข่ายประสาทเทียมที่คู่แข่งโดยการโปรแกรมเชิงพันธุกรรมและบางครั้งก็เป็นที่น่าพอใจมาก โดยเฉพาะข้อมูลการตกตะกอน นอกจากนี้ผลการศึกษาพบว่า การวิเคราะห์การถดถอย พหุคูณวิธีเป็นวิธีที่เหมาะสมในวิธีการดั้งเดิม ผลของงานวิจัยนี้พิสูจน์ความสำคัญสูงของการเลือกวิธีการที่ดีที่สุดและแม่นยำที่สุดในการประเมินที่แตกต่างกัน climatological ข้อมูลในอิหร่านและภูมิภาคอื่น ๆแห้งแล้งและกึ่งแห้งแล้ง