پيش بيني زماني و مكاني دبي جريان با استفاده از روش هاي تلفيقي هوش مصنوعي و پيش پردازش و پس پردازش سري زماني

پيش بيني دبي رودخانه ها يكي از موارد مهم در برنامه ريزي و مديريت منابع آبي مي باشد. در اين تحقيق از روش هاي پيش‌پردازش و پس پردازش سري زماني به همراه روش‌هاي مبتني بر كرنل ماشين بردار پشتيبان (SVM)و رگرسيون فرآيند گاوسي (GPR) جهت تخمين دبي جريان يدو رودخانه طبيعي در ايالات‌متحده با دو ايستگاه هيدرومتري متوالي استفاده شده است. رودخانه اول شامل تقريبا 2 سال داده بوده و در رودخانه دوم از 4 سال داده روزانه دبي استفاده شده است. مدل هاي متفاوتي بر اساس مشخصات هيدروليكي جريان تعريف گرديد و كارايي روش هاي تلفيقي پيش پردازش و پس پردازش در دو حالت درون ايستگاهي و بين ايستگاهي بررسي شد. جهت پيش‌پردازش داده ها ابتدا از روش تبديل موجك گسسته (DWT) استفاده شد. سپس زير سري‌هاي با فركانس بالا انتخاب شده و با روش ﺗﺠﺰﯾﻪ ﻣﺪ ﺗﺠﺮﺑﯽ ﯾﮑﭙﺎرﭼﻪ (EEMD) دوباره تجزيه گرديدند. در نهايت زير سري‌هاي با انرژي بالا به‌عنوان ورودي مدل هاي مبتني بر كرنل استفاده شدند. براي پس پردازش داده‌ها نيز از مدل ميانگين عصبي غيرخطي (NNA) استفاده شد. نتايج حاصل از تحليل مدل هاي تعريف‌شده، دقت بالاي روش هاي تلفيقي به كار رفته در تحقيق را در تخمين دبي جريان به خوبي نشان داد. بطوريكه در هر دو ايستگاه ، درصد خطا با استفاده از روش هاي تلفيقي پيش‌پردازش و پس‌پردازش نسبت به روش هاي هوشمند مبتني بر كرنل تقريباً به ميزان 20 تا 25 درصد كاهش يافت. مشاهده شد كه در حالت بررسي دبي رودخانه بر اساس داده‌هاي خود ايستگاه مقدار خطاي RMSE مدل تقريبا از 0.3 به 0.26 و در حالت استفاده از داده‌ هاي ايستگاه قبلي از مقدار 0.44 به 0.33 كاهش يافت. با توجه به قابليت و دقت بالاي روش هاي پيش پردازش استفاده شده در اين تحقيق، مطالعات مشابه در ديگر رودخانه هاي كشور توصيه مي گردد.