فهرست نشریات علمی دسترسی آزاد ایران

لازمه مدیریت بهینه منابع آبی اطلاع از میزان جریان در رودخانه‌ و پیش‌بینی آن می‌باشد. افزایش دقت نتایج پیش‌بینی، هدف بسیاری از محققان است. وجود نویز در داده‌های هیدرولوژیکی می‌تواند منجر به کاهش دقت پیش‌بینی گردد بنابراین در تحقیقات اخیر در کنار توجه به توسعه و ارائه مدل با قابلیت‌های محاسباتی بالاتر، به بررسی داده‌های مورد استفاده نیز اهمیت داده می‌شود. هدف از این تحقیق بررسی تأثیر کاهش نویز (NR) داده‌‌های ورودی بر میزان دقت مدل‌ها می‌باشد. جهت مطالعه دو رودخانه‌ی آجی‌چای و صوفی‌چای انتخاب و نویز جریان رودخانه با دو روش نظریه آشوب و موجک کاهش گردید. سپس پیش‌بینی جریان ماهانه‌ی آنها با مدل ANN در سه حالت استفاده از داده‌های خام، NRیافته با آشوب و موجک انجام شده است. برای بررسی نتایج، RMSE، ضریب همبستگی و نش-ساتکلیف در این سه حالتِ مدلسازی محاسبه و به‌ترتیب ذکر می‌گردد. در رودخانه صوفی‌چای RMSE با داده‌های خام و NRیافته با آشوب و موجک 078/0، 045/0 و 034/0، مقدار R2، 846/0، 974/0 و 979/0 و همچنین نش-ساتکلیف 715/0، 948/0 و 958/0 می‌باشد. در رودخانه آجی‌چای RMSE در این سه حالت به‌‌ترتیب 126/0، 06/0 و 078/0، مقادیر R^2 74/0، 94/0 و 91/0 و نش-ساتکلیف 545/0، 882/0 و 815/0 بدست آمد. می‌توان‌ گفت به‌کارگیری داده‌های NR یافته در مدلسازی جریان رودخانه موجب افزایش دقت پیش‌بینی می‌شود. همچنین مقایسه نتایج بین دو روش NR نشان می‌دهد که در رودخانه آجی‌چای روش آشوب و در صوفی‌چای موجک عملکرد بهتری دارد و نمی‌توان به‌صورت قطعی یکی از این روش‌ها را به‌عنوان روش بهتر جهت NR معرفی نمود.