Interpolating monthly precipitation by self-organizing map (SOM) and multilayer perceptron (MLP)
Författare
Summary, in English
There are needs to find better and more efficient methods to interpolate precipitation data in space and time. Interpolation of precipitation is explored using a self-organizing map (SOM) in a region with large complexity of precipitation mechanisms (northern Iran). The technique is used both for regionalization and for interpolating monthly precipitation for stations with missing data for 1-, 2-, 5- and 10-year periods using a jack-knife procedure to obtain objective results. The SOM is able both to find regions with similar precipitation mechanisms and to interpolate with accuracy. The results show that precipitation interpolation can be improved considerably by taking into account the regionalization properties in the SOM modelling. The SOM results are compared with those from a well-defined multilayer perceptron (MLP). The findings suggest that, without regionalization, MLP modelling is generally better than SOM. However, when regionalization is included, SOM performs better than MLP.
Il est nécessaire de trouver des méthodes meilleures et plus efficaces pour interpoler des données de précipitation dans l'espace et le temps. L'utilisation d'une carte auto-organisée (SOM) pour l'interpolation des précipitations est explorée dans une région aux mécanismes de précipitation très complexes (nord de l'Iran). La technique est utilisée pour la régionalisation et pour l'interpolation des précipitations mensuelles de stations qui présentent des lacunes pour des périodes de 1, 2, 5 et 10 ans, à l'aide d'une procédure jack-knife pour obtenir des résultats objectifs. La SOM est capable d'identifier les régions dont les mécanismes de précipitation sont similaires et d'interpoler avec précision. Les résultats montrent que l'interpolation des précipitations peut être considérablement améliorée en tenant compte des propriétés de régionalisation dans la modélisation SOM. Les résultats de SOM sont comparés avec ceux d'un perceptron multi-couches (PMC) bien défini. Les résultats suggèrent que, sans régionalisation, la modélisation par PMC est généralement meilleure que par SOM. Cependant, lorsque la régionalisation est introduite, la SOM donne de meilleurs résultats que le PMC.
Il est nécessaire de trouver des méthodes meilleures et plus efficaces pour interpoler des données de précipitation dans l'espace et le temps. L'utilisation d'une carte auto-organisée (SOM) pour l'interpolation des précipitations est explorée dans une région aux mécanismes de précipitation très complexes (nord de l'Iran). La technique est utilisée pour la régionalisation et pour l'interpolation des précipitations mensuelles de stations qui présentent des lacunes pour des périodes de 1, 2, 5 et 10 ans, à l'aide d'une procédure jack-knife pour obtenir des résultats objectifs. La SOM est capable d'identifier les régions dont les mécanismes de précipitation sont similaires et d'interpoler avec précision. Les résultats montrent que l'interpolation des précipitations peut être considérablement améliorée en tenant compte des propriétés de régionalisation dans la modélisation SOM. Les résultats de SOM sont comparés avec ceux d'un perceptron multi-couches (PMC) bien défini. Les résultats suggèrent que, sans régionalisation, la modélisation par PMC est généralement meilleure que par SOM. Cependant, lorsque la régionalisation est introduite, la SOM donne de meilleurs résultats que le PMC.
Avdelning/ar
Publiceringsår
2007
Språk
Engelska
Sidor
305-317
Publikation/Tidskrift/Serie
Hydrological Sciences Journal
Volym
52
Issue
2
Dokumenttyp
Artikel i tidskrift
Förlag
Taylor & Francis
Ämne
- Water Engineering
Nyckelord
- missing data
- interpolation
- multilayer perceptron (MLP)
- northern Iran
- self-organizing map (SOM)
- precipitation
Status
Published
ISBN/ISSN/Övrigt
- ISSN: 0262-6667