ارزيابي مدل‌هاي شبكه عصبي مصنوعي و رگرسيون خطي چندگانه در تخمين داده‌هاي گم شده جريان روزانه (مطالعه موردي: ايستگاه هيدرومتري سنته- استان كردستان)

تحليل هاي آماري و پيش بيني داده هاي جريان نقش به سزايي در مديريت و مهندسي سامانه هاي آبي ايفا مي كند. اساسي ترين مشكل تحليل هاي آماري و پيش بيني جريان در كشور ايران، عدم وجود دوره آماري طولاني و نقص داده هاي جريان ايستگاه هاي هيدرومتري موجود مي باشد. با توجه به موارد ذكر شده در اين مطالعه، داده هاي جريان روزانه ايستگاه هيدرومتري سنته واقع در استان كردستان با استفاده از داده هاي ايستگاه هاي هيدرومتري و هواشناسي مجاور اين ايستگاه تخمين زده شد. اين تخمين به ازاي شانزده تركيب مختلف، شامل داده هاي جريان روزانه ايستگاه هاي هيدرومتري صفا خانه و پل آنيان و بارش روزانه ايستگاه باران سنجي سنته صورت گرفت. در اين تحقيق تخمين جريان روزانه ايستگاه سنته در هر يك از ماه هاي سال، به ازاي شانزده تركيب مختلف و مدل هاي شبكه عصبي مصنوعي و رگرسيون خطي چندگانه مورد ارزيابي قرار گرفت. عملكرد هر يك از مدل ها با شاخص هاي RMSE، CC، NS و آماره tstudent ارزيابي شد. نتايج حاكي از عملكرد خوب هر دو مدل بود ولي مدل شبكه عصبي مصنوعي در تخمين جريان روزانه اكثر ماه هاي سال بهتر از مدل رگرسيوني عمل كرد. ميانگين خطاي مدل هاي شبكه عصبي مصنوعي و رگرسيون خطي چندگانه در ماه هاي سال به ترتيب برابر با 6/31 و 8/07 مترمكعب بر ثانيه برآورد گرديد. لازم به ذكر است كه شبكه عصبي مصنوعي به ازاي هر يك از شانزده تركيب به كار گرفته شده، عملكرد بهتري نسبت به مدل رگرسيوني داشت.