ارزیابی کارایی روش های مرسوم و رایانه ای در بازسازی سری زمانی دبی ماهانه ایستگاه های هیدرومتری

عدم وجود آمار و اطلاعات کامل، نمی‌تواند مجوزی برای عدم مطالعه شرایط هیدرولوژیکی یک منطقه و پیش‌بینی‌های درازمدت برای انجام یک پروژه آبی باشد. بنابراین پژوهشگران مختلف روش‌هایی از قبیل آنالیز نسبت‌ها، فرگمنت و توماس فیرینگ را برای بازسازی داده‌های ناقص دبی در ایستگاه‌‌های هیدرومتری به کار برده‌اند. لذا در این پژوهش دقت روش‌‌های مذکور با روش‌‌های رایانه‌ای از قبیل شبکه عصبی مصنوعی، هیبرید عصبی موجکی و ماشین بردار پشتیبان مورد مقایسه و بررسی قرار گرفته است. نتایج نشان داد که روش‌‌‌‌های رایانه‌ای نسبت به سه روش دیگر از دقت بالاتری برخوردار هستند. مقایسه نتایج روش‌های رایانه‌ای نشان داد شبکه عصبی مصنوعی (r^2=0.98,rmse=6.18,se=0.476)، ماشین بردار پشتیبان (r^2=0.902,rmse=6.074,se=0.486) و هیبرید عصبی موجکی (r^2=0.889,rmse=6.96,se=0.54) به ترتیب در رتبه‌های اول تا سوم قرار دارند. اگرچه سه روش شبکه عصبی مصنوعی، ماشین بردار پشتیبان و هیبرید عصبی – موجکی تفاوت معنا داری در مقایسه با یکدیگر ندارند اما روش ماشین بردار پشتیبان با سهولت بیشتر و در زمان کمتری قادر به بازسازی بوده و از این جهت نسبت به سایر روش‌ها ارجحیت دارد.