فهرست نشریات علمی دسترسی آزاد ایران

با توجه به اهمیت پیش‌بینی جریان رودخانه در مدیریت منابع آب روش‌های مختلفی برای مدل کردن جریان رودخانه‌ها بکاربرده می‌شوند تا بتوان با بکارگیری یک مدل مطمئن در مدیریت خشکسالی و سیلاب خسارات ناشی از آنها را به حداقل ممکن رساند. در این مطالعه نیز برای پیش‌بینی سری زمانی جریان روزانه ایستگاه‌ گچسر برای حوضه آبریز بخش مرکزی ایران ، با توجه به ویژگی‌های غیرخطی مقیاس‌های زمانی چندگانه، مدل‌ ترکیبی درخت تصمیم‌گیری (MT) بر پایه الگوریتم پیش‌پردازش کننده (EEMD) در دوره آماری 1363 تا 1391پیشنهاد شده است. در ادامه تحقیق، برای تعیین بهترین تعداد تاخیر زمانی از دبی جریان رودخانه، از تکنیک‌های ACF و PACF استفاده شد که مقدار بهینه سه تاخیر زمانی به عنوان پارامترهای ورودی در نظر گرفته شد. نتایج بدست آمده از روش ترکیبی پیشنهادی با دیگر روش‌های هوشمند مصنوعی نظیر مدل درخت (MT) و سیستم استنتاج عصبی-فازی (ANFIS) با استفاده از شاخص‌های آماری خطا مورد بررسی و مقایسه قرار گرفت. نتایج نشان داد که دقت روش EEMD-MT نسبت به روش MT حدود 5.7% افزایش یافت و خطای مدل‌سازی نیز برای این ایستگاه‌ در ترم شاخص خطای RMSE 6.8 % در مرحله تست کاهش یافته است. لذا با پیش‌پردازش کردن داده‌های هواشناسی و برطرف کردن توزیع رندوم، ناپایداری و روند غیرخطی داده‌های ورودی به مدل، دقت پیش‌بینی مدل‌های پیشنهادی در تخمین دبی روزانه جریان رودخانه افزایش یافته است و برای مطالعات آتی می‌تواند روشی مناسب و دقیق در نظر گرفته شود