فهرست نشریات علمی دسترسی آزاد ایران

شبیه‌سازی سامانه، با ساختارهای متفاوت و با استفاده از رویکردها‌ و الگوریتم‌های مختلف صورت می‌گیرد. الگوریتم‌ها روش‌های هوشمند پردازش داده در یادگیری ماشین هستند که می‌توانند عوامل ناشناخته در یک پدیده وابسته به زمان را شناسایی نمایند. در تحلیل پدیده‌های تصادفی از جمله روش‌هایی که می‌تواند تصمیم‌گیری را ساده‌تر کند؛ استفاده از الگوریتم‌های ترکیبی است. به‌کمک این روش، مدیریت داده‌ دقیق‌تر‌ و شناخت بیشتری از سامانه مورد مطالعه بدست می‌آید. از آنجایی‌که بررسی مؤلفه روند می‌تواند در شبیه‌سازی پدیده‌های هیدرولوژیکی مؤثر باشد و در تفسیر رابطه بین فرآیندهای هیدرولوژیکی و تغییرات محیطی در مناطق مورد مطالعه کمک مؤثری نماید؛ مدل‌‌های فضای حالت این مزیت را دارند که سامانه را به‌صورت انعطاف ‌پذیر و پویا مورد بررسی و تحلیل قرار دهند. لذا این مقاله در نظر دارد به‌کمک روش ترکیبی به‌بهبود راندمان مدل‌های سری زمانی فضای حالت Kalman Filter، ETS، BATS،TBATS  بپردازد و با مقایسه با مدل باکس-جنکینز نشان دهد کدامیک از این مدل‌ها، قابلیت بهتری در شبیه‌سازی دبی ماهانه رودخانه دارد. این مقایسه در سه ایستگاه آب‌سنجی سپیددشت‌ سزار، تنگ‌پنج بختیاری و تله‌زنگ در حوضه آبریز دز واقع در استان خوزستان از سال 1386تا 1399 انجام شده است. نتایج این بررسی براساس معیار‌های ارزیابی مدل(RMSE، MAE و R2)، نشان داد فضای حالت نسبت به مدل باکس‌جنکینز (کلاسیک) بهتر عمل نموده و در بین مدل‌های فضای حالت، مدل سطح موضعی(فیلتر کالمن) عملکرد بهتری داشته، به‌طوری‌که در مرحله صحت‌سنجی، ایستگاه آب‌سنجی سپیددشت سزار 21/39 RMSE=، 79/0 R2=و در ایستگاه تنگ‌پنج بختیاری 89/57 RMSE= ،76/0R2= و در ایستگاه تله‌زنگ41/113RMSE= و 73/0R2= بدست آمد.