بررسي عدم قطعيت مدل‌هاي هوش مصنوعي در برآورد جريان رودخانه (مطالعه موردي: رودخانه كارون)

پيش‌بيني دقيق فرآيندهاي هيدرولوژيكي و احتساب عدم قطعيت‌هاي آنها، از جمله چالش‌هاي اساسي در حوضه مديريت منابع اب است. هدف مقاله حاضر، پيش‌بيني جريان ماهانه رودخانه كارون در محل ايستگاه هيدرومتري ارمند با استفاده از روش‌هاي هوش مصنوعي (AI) مي‌باشد. بكارگيري رويكرد شبيه‌سازي مونت كارلو (MCS) جهت احتساب عدم قطعيت پيش‌بيني‌هاي نامبرده و نيز مقايسه عملكرد آنها از اهداف ديگر مقاله محسوب مي‌شود. بدين منظور از مدل‌هاي مبتني بر AI شامل برنامه‌نويسي بيان ژن(GEP) ، اسپيلاين رگرسيون تطبيقي چند متغيره (MARS) و درخت مدل (MT) استفاده شده است. همچنين آمار 28 ساله جريان رودخانه كارون (سالهاي 1387 1360) استفاده و براي توليد اعداد تصادفي، روش پارامتريك توماس–فيرينگ (TF) بكار گرفته شد. نتايج ارزيابي عملكرد مدلها با شاخص‌هايي همچون ضريب همبستگي (R)، ميانگين قدر مطلق خطا (MAE) و ريشه ميانگين مربعات خطا (RMSE)، نشان داد كه مدل MT در هر دو مرحله آموزش و آزمون عملكرد بهتري نسبت به سايرين داشته است. شاخص‌هاي دقت مدل براي مرحله آموزش مدل MT برابر R=0.841 و RMSE=36.789 m^3/s بوده است در حاليكه اين شاخص‌ها براي مرحله آزمون برابر با R=0.87 و RMSE=44.253 m^3/s مي‌باشد. نتايج ارزيابي عدم قطعيت پيش‌بيني‌ها توسط مدلهاي MARS، GEP و MT نشان داد كه مدل MT با داشتن شاخص R factor=1.67 و 95PPU=55.5% بهترين عملكرد را براي احتساب عدم قطعيت داشته است.