فهرست نشریات علمی دسترسی آزاد ایران

پیش بینی دبی رودخانه ها یکی از موارد مهم در برنامه ریزی و مدیریت منابع آبی می باشد. در این تحقیق از روش های پیش‌پردازش و پس پردازش سری زمانی به همراه روش‌های مبتنی بر کرنل ماشین بردار پشتیبان (SVM)و رگرسیون فرآیند گاوسی (GPR) جهت تخمین دبی جریان یدو رودخانه طبیعی در ایالات‌متحده با دو ایستگاه هیدرومتری متوالی استفاده شده است. رودخانه اول شامل تقریبا 2 سال داده بوده و در رودخانه دوم از 4 سال داده روزانه دبی استفاده شده است. مدل های متفاوتی بر اساس مشخصات هیدرولیکی جریان تعریف گردید و کارایی روش های تلفیقی پیش پردازش و پس پردازش در دو حالت درون ایستگاهی و بین ایستگاهی بررسی شد. جهت پیش‌پردازش داده ها ابتدا از روش تبدیل موجک گسسته (DWT) استفاده شد. سپس زیر سری‌های با فرکانس بالا انتخاب شده و با روش ﺗﺠﺰﯾﻪ ﻣﺪ ﺗﺠﺮﺑﯽ ﯾﮑﭙﺎرﭼﻪ (EEMD) دوباره تجزیه گردیدند. در نهایت زیر سری‌های با انرژی بالا به‌عنوان ورودی مدل های مبتنی بر کرنل استفاده شدند. برای پس پردازش داده‌ها نیز از مدل میانگین عصبی غیرخطی (NNA) استفاده شد. نتایج حاصل از تحلیل مدل های تعریف‌شده، دقت بالای روش های تلفیقی به کار رفته در تحقیق را در تخمین دبی جریان به خوبی نشان داد. بطوریکه در هر دو ایستگاه ، درصد خطا با استفاده از روش های تلفیقی پیش‌پردازش و پس‌پردازش نسبت به روش های هوشمند مبتنی بر کرنل تقریباً به میزان 20 تا 25 درصد کاهش یافت. مشاهده شد که در حالت بررسی دبی رودخانه بر اساس داده‌های خود ایستگاه مقدار خطای RMSE مدل تقریبا از 3/0 به 26/0 و در حالت استفاده از داده‌ های ایستگاه قبلی از مقدار 44/0 به 33/0 کاهش یافت. با توجه به قابلیت و دقت بالای روش های پیش پردازش استفاده شده در این تحقیق، مطالعات مشابه در دیگر رودخانه های کشور توصیه می گردد.