كاربرد آنتروپي شانون براي انتخاب ورودي‌هاي بهينه درپيش‌بيني جريان رودخانه بااستفاده از مدلهاي هوشمند(مطالعه موردي: صوفي چاي)

پيش‌بيني جريان رودخانه‌ يكي از موارد مهم در مديريت منابع آب‌هاي سطحي، بهره برداري از مخازن سدها، كنترل سيلاب و خشكسالي مي­باشد. انتخاب ورودي‌هاي مناسب براي افزايش دقت وكارايي مدل‌هاي هوشمند از اهميت به­سزايي برخوردار است. در اين تحقيق به ارزيابي عملكرد آنتروپي شانون درتعيين ورودي‌هاي مناسب و كارايي مدل‌هاي، شبكه عصبي مصنوعي و شبكه بيزين، در پيش‌بيني جريان ماهانه­ي رودخانه­ي صوفي چاي در ايستگاه تازه­كند، در طي بازه­ي زماني(13521391) پرداخته شده است. آنتروپي شانون، به‌عنوان روشي براي بيان اطلاعات يا عدم قطعيت يك پديده مورداستفاده قرار مي­گيرد. هم­چنين به‌عنوان شاخصي براي كمي كردن ميزان عدم آگاهي و دانش نسبت به مشخصات يك سامانه، استفاده مي­شود. داده­هاي جريان ماهانه با تأخيرهاي مختلف به‌عنوان ورودي به آنتروپي شانون در نظر گرفته­شد. نتايج آنتروپي نشان داد كه جريان رودخانه با سه تأخير زماني، عملكرد بهتري نشان مي­دهد. سپس نتايج حاصل از پيش‌بيني، با دو مدل شبكه عصبي مصنوعي و شبكه بيزين مقايسه گرديد. عملكرد اين دو مدل با شاخص­هاي آماري ضريب تبيين (R2)، جذر ميانگين مربعات خطا(RMSE) و شاخص پراكندگي(SI) ارزيابي شد. نتايج نشان داد كه مدل شبكه عصبي مصنوعي با ضريب تبيين بيشتر و جذر ميانگين مربعات خطا كمتر و شاخص پراكندگي كمتر در مقايسه با شبكه بيزين، از كارايي بالاتري برخورداراست و ازاين رو آنتروپي شانون در تعيين تركيب بهينه­ي ورودي­ها به مدل­هاي هوشمند مناسب مي­باشد.