فهرست نشریات علمی دسترسی آزاد ایران

مدیریت مناسب حوضه‌های آبریز نیازمند در اختیار داشتن پیش‌بینی‌های دقیق و قابل اطمینان از دبی رودخانه‌هاست. در سالیان اخیر، مدل‌های داده‌مبنا و به‌ویژه مدل‌های مبتنی بر هوش مصنوعی، در زمینه‌های مختلفِ مرتبط با منابع آب با موفقیت مورد استفاده قرار گرفته‌اند. با این وجود، تحلیل عدم‌قطعیت این مدل‌ها کمتر مورد توجه قرار گرفته است. در مطالعه حاضر، عدم‌قطعیت خروجی پنج مدل مبتنی بر هوش مصنوعی شامل مدل‌هایی از نوع ماژولار، PCA، TLRN، ANFIS و SVM در پیش‌بینی دبی ماهانه حبله‌رود، با استفاده از کمیت‌های 95PPU، p-factor و d-factor مورد بررسی قرار گرفته است. با استفاده از داده‌های ثبت‌شده از متغیرهای هواشناسی و دبی طی سال‌های 2012-1998 در حوضه آبریز حبله‌رود در شرق استان تهران، ساختارهای متفاوتی از مدل‌ها مورد آموزش و آزمون قرار گرفتند. مقادیر نهاییِ p-factor و d-factor برای هر کدام از پنج مدلِ مورد بررسی محاسبه شد. نتایج نشان داد SVM با p-factor نهاییِ معادل با 82 درصد در مرحله آزمون، قابل‌اعتمادترین مدل برای پیش‌بینی دبی ماهانه در حوضه مورد بررسی است.