انتخاب متغيرهاي ورودي به مدل براي پيش بيني جريان رودخانه با استفاده از نظريه ي اطلاعات متقابل

تغيير اقليم آثار قابل توجه ي در ميزان بارش، تبخير و در نهايت رواناب و جريان رودخانه دارد. برآورد جريان رودخانه يكي از نيازهاي اساسي براي برنامه ريزي و مديريت جامع منابع آب و نيز مطالعات بهره برداري مخازن به حساب مي آيد. رفتار ديناميك و غير خطي رودخانه متاثر از عوامل مختلف نظير شرايط آب و هوايي نظير دما و بارش و همچنين ويژگي هاي مورفولوژيك منطقه است. به علت در دست نبودن تعريف دقيق و كامل از ماهيت جريان رودخانه، بكارگيري روش هاي نوين و فراكاوشي نظير شبكه هاي عصبي مصنوعي موجب ايجاد تحول در براورد اين سيستم هاي ديناميك و غيرخطي شده است. به علت وجود تعداد زياد متغيرهاي ورودي در اين مطالعه، شناخت متغيرهاي موثر در فرايند جريان رودخانه مي تواند نتايج بهتري براي پيش بيني جريان را در پي داشته باشد. بدين منظور از نظريه ي اطلاعات متقابل كه يك ايده ي جالب براي به دست آوردن ميزان وابستگي موجود بين متغيرهاي ورودي مي باشد، استفاده شده است. مزيت اين روش نسبت به روش هاي مشابه اين است كه علاوه بر همبستگي خطي، همبستگي غير خطي بين متغيرها نيز محاسبه مي شود. در نهايت با استفاده از الگوريتم MRMR و MIFS كه بر اساس همين ايده نوشته شده است، اقدام به انتخاب 4 متغير موثر از ميان 15 متغير ورودي شد. و متغيرهاي انتخابي به عنوان ورودي مدل به شبكه عصبي معرفي شد. نتايج حاصل حاكي از رضوايت بخش بودن اين روش براي پيش پردازش متغيرهاي ورودي به شبكه عصبي است.