فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی جریان رودخانه‌ یکی از موارد مهم در مدیریت منابع آب‌های سطحی، بهره برداری از مخازن سدها، کنترل سیلاب و خشکسالی می­باشد. انتخاب ورودی‌های مناسب برای افزایش دقت وکارایی مدل‌های هوشمند از اهمیت به­سزایی برخوردار است. در این تحقیق به ارزیابی عملکرد آنتروپی شانون درتعیین ورودی‌های مناسب و کارایی مدل‌های، شبکه عصبی مصنوعی و شبکه بیزین، در پیش‌بینی جریان ماهانه­ی رودخانه­ی صوفی چای در ایستگاه تازه­کند، در طی بازه­ی زمانی(1352-1391) پرداخته شده است. آنتروپی شانون، به‌عنوان روشی برای بیان اطلاعات یا عدم قطعیت یک پدیده مورداستفاده قرار می­گیرد. هم­چنین به‌عنوان شاخصی برای کمی کردن میزان عدم آگاهی و دانش نسبت به مشخصات یک سامانه، استفاده می­شود. داده­های جریان ماهانه با تأخیرهای مختلف به‌عنوان ورودی به آنتروپی شانون در نظر گرفته­شد. نتایج آنتروپی نشان داد که جریان رودخانه با سه تأخیر زمانی، عملکرد بهتری نشان می­دهد. سپس نتایج حاصل از پیش‌بینی، با دو مدل شبکه عصبی مصنوعی و شبکه بیزین مقایسه گردید. عملکرد این دو مدل با شاخص­های آماری ضریب تبیین ( R 2 )، جذر میانگین مربعات خطا( RMSE ) و شاخص پراکندگی( SI ) ارزیابی شد. نتایج نشان داد که مدل شبکه عصبی مصنوعی با ضریب تبیین بیشتر و جذر میانگین مربعات خطا کمتر و شاخص پراکندگی کمتر در مقایسه با شبکه بیزین، از کارایی بالاتری برخورداراست و ازاین رو آنتروپی شانون در تعیین ترکیب بهینه­ی ورودی­ها به مدل­های هوشمند مناسب می­باشد.