بهبودعملكرد نرم افزارهاي هوش مصنوعي در شبيه سازي بارش-رواناب با استفاده از روش حذف-تزريق نوفه

شبيه سازي دقيق فرآيندهاي هيدرولوژيكي از قبيل بارش– رواناب مي‌تواند اطلاعات مهمي از يك حوضه آبريز براي مديريت منابع آب فراهم كند. اخيراً در اين راستا، مدل‌هاي مختلف جعبه سياه براي شبيه سازي چنين پديده پيچيده‌اي به كاررفته اند. مدل‌هاي داده محور وابستگي زيادي به كميت وكيفيت داده‌ها دارند و داده‌هاي داراي نوفه كارايي مدل‌ها را تحت تاثير قرار داده ورفع نوفه از داده‌ها با استفاده از يك روش مناسب مي‌تواند منجر به كارايي بهترمدل‌هاي داده محور شود. لذا دراين مقاله ابتدا با استفاده ازروش رفع نوفه موجكي اقدام به رفع نوفه بد ازسري‌هاي زماني روزانه كرده و سپس با افزودن نوفه خوب به اين داده‌هاي رفع نوفه شده و تشكيل مجموعه‌هاي آموزشي مختلف، شبيه سازي بارش – رواناب براي ايستگاه پل آنيان واقع درحوضه آبريز زرينه رود در بالا دست سد بوكان، با استفاده از مدل‌هاي جعبه سياه ANNو ANFIS انجام شده است. همچنين براي بررسي دقت مدل پيشنهادي، نتايج اين مدل سازي‌ها با مدل هاي كلاسيك جعبه سياه ARIMA و MLR مورد مقايسه قرار گرفته است. نتاج نشان مي‌دهند كه اعمال هم زمان رفع نوفه موجكي و افزودن نوفه خوب در مدل سازي با ANN بهبود 23 درصدي و در مدل سازي با ANFIS باعث بهبود 14درصدي، در مرحله آزمايش نرم افزارها شده است.