پیش بینی جریان ماهانه رودخانه با استفاده از رویکرد ترکیبی موجک-درخت M5

پیش بینی جریان در ارتقا کیفیت مدیریت و بر نام هریزی منابع آب، نقشی اساسی دارد که با شناخت هوش مصنوعی، قابلیت آن در این زمینه، طی تحقیقات زیادی مورد بررسی قرار گرفته و سرعت و دقت نسبتا بالا ی آن ثابت شده است. در این پژوهش، قابلیت رویکرد ترکیبی موجک- درخت M5 در پیش بینی جریان ماهانه ی رودخانه خشک رود با استفاده از داده های هواشناسی و هیدرومتری، ارزیابی شده است. طی پیش پردازش داده ها با استفاده از تبدیل موجک و انجام تحلیل حساسیت مدل، با اعمال مرحله ای داده های هواشناسی به آن، مشخص شده که فرآیند پیش پردازش، عاملی بسیار موثر در عملکرد مدل M5 است، به طوری که سبب کاهش جذر میانگین مربعات خطا از 1/374 به 0/456 در زمان پیش بینی 1 و از 1/465 به 0/920 در زمان پیش بینی 3 می شود. همچنین استفاده از داده های هواشناسی برای جبران نواقص اطلاعات زمان های بلند مدت و تبدیل موجک نامتناسب با سری زمانی کار بردی است و میزان اهمیت نوع آن ها بسته به قابلیت مدل اصلی، می تواند یکسان و یا متغیر باشد.

Keywords:

مدل درختی , خشک رود , پارامترهای هواشناسی , سری زمانی , پیش پردازش , سطح تجزیه.