بهبود دقت تخمين جريان ماهانه با كاهش نويز آشوبي (رودخانه‌هاي مورد مطالعه: نهندچاي، اهرچاي و ليقوان چاي)

وجود ارتباط غيرخطي و پيچيده بين اجزاي يك سيستم در فرايندهاي هيدرولوژيكي و رفتار ديناميكي مابين آنها، استفاده از مدل‌هاي هوشمند را جهت مدلسازي ضروري مي‌نمايد. معمولا در تحقيقات مختلف براي افزايش دقت نتايج مدلسازي، از مدل هاي جديدتر با قابليت محاسباتي بيشتر استفاده مي شود. علاوه بر توانايي هاي محاسباتي مدل ها، بكارگيري اطلاعات ورودي صحيح به آنها نيز داراي اهميت است و لازمه رسيدن به دقت مناسب در انواع روش هاي مدلسازي است. با توجه به اينكه خطا در داده‌هاي هيدرولوژيكي معمولا وجود دارد، هدف از اين تحقيق بررسي تاثير حذف خطاهاي ممكن در سيستم‌هاي هيدرولوژيكي در ميزان افزايش دقت مدل ها است. در اين تحقيق مقادير جريان ماهانه حوضه‌هاي شاخص استان آذربايجانشرقي (رودخانه هاي نهند چاي، ليقوان چاي و اهرچاي) در دو حالت با خطا و بدون خطا مورد بررسي قرار گرفته و سپس براي هر دو حالت، فرايند پيش‌بيني با مدل‌ شبكه‌هاي عصبي مصنوعي مطالعه شده است. براي جداسازي خطاي داده‌هاي ورودي از نظريه آشوب استفاده شده است. بر اساس معيار ارزيابي نش-ساتكليف، دقت نتايج مدلسازي جريان ماهانه رودخانه هاي نهند چاي، ليقوان چاي و اهرچاي براي داده‌هاي بدون نويز نسبت به داده‌هاي خام، بترتيب به ميزان (43.2، 27.9 و 5.9) افزايش يافته و مقدار خطا، بر اساس معيار مجذور ميانگين مربعات خطا به مقدار (65.2، 63.5 و 2.7) كاهش داشته است.