كاربرد الگوريتم پيش‌پردازش‌كننده‌ تجزيه‌ مد تجربي گروهي براي بهبود دقت پيش‌بيني جريان روزانه‌ رودخانه با استفاده از روش‌هاي هوشمند مصنوعي

با توجه به اهميت پيش‌بيني جريان رودخانه در مديريت منابع آب، از روش‌هاي مختلفي براي مدل‌سازي‌كردن جريان رودخانه‌ها استفاده مي‌شود تا با به‌كارگيري مدلي مطمئن در مديريت خشكسالي و سيلاب، خسارت‌هاي ناشي از آنها به حداقل برسد. در اين مطالعه نيز براي پيش‌بيني سري زماني جريان روزانه‌ ايستگاه گچسر براي حوضه‌ آبريز بخش مركزي ايران با توجه به ويژگي‌هاي غيرخطي مقياس‌هاي زماني چندگانه، مدل تركيبي درخت تصميم‌گيري (MT) برپايه‌ الگوريتم پيش‌پردازش‌كننده (EEMD) در دوره‌ آماري 1363 تا 1391پيشنهاد شد. درادامه، براي تعيين بهترين تعداد تأخير زماني از دبي جريان رودخانه، تكنيك‌هاي ACF و PACF به كار رفت كه مقدار بهينه‌ سه تأخير زماني به‌عنوان متغيرهاي ورودي در نظر گرفته شد. نتايج به‌دست‌آمده از روش تركيبي پيشنهادي با ديگر روش‌هاي هوشمند مصنوعي مانند مدل درخت (MT) و سيستم استنتاج عصبي- فازي (ANFIS) با استفاده از شاخص‌هاي آماري خطا بررسي و مقايسه شد. نتايج نشان داد بر دقت روش EEMD-MT نسبت به روش MT، حدود 7.5 درصد افزوده شد و خطاي مدل‌سازي نيز براي اين ايستگاه در ترم شاخص خطاي RMSE، 6.8 درصد در مرحله‌ آزمايش كاهش يافت؛ بنابراين، با پيش‌پردازش‌كردن داده‌هاي هواشناسي و برطرف‌كردن توزيع تصادفي، ناپايداري و روند غيرخطي داده‌هاي ورودي به مدل، دقت پيش‌بيني مدل‌هاي پيشنهادي در تخمين دبي روزانه‌ جريان رودخانه افزايش يافته و براي مطالعات آتي، روش مناسب و دقيقي است.