ارزیابی کارایی روش‌ پیش بینی موضعی ناشی از بازسازی فضای فاز و مدل شبکه عصبی مصنوعی به منظور پیش بینی رواناب (مورد مطالعاتی: ایستگاه پل کهنه، کرمانشاه)

در این تحقیق دو روش شبکه عصبی مصنوعی و روش بر پایه تئوری آشوب به منظور پیش بینی روزانه، هفتگی و ماهانه رواناب ایستگاه پل کهنه بر رودخانه قره سو به کار گرفته شده اند. نتایج حاصل از پیش بینی با استفاده از روش پیش بینی موضعی مبین نزدیکی نتایج با داده های مشاهداتی در مقیاس های روزانه و هفتگی و عدم تطابق مناسب در مقیاس ماهانه بوده که بیانگر وجود آشوبناکی در مقیاس های روزانه و هفتگی است. همچنین نتایج پیش بینی شده با استفاده از شبکه عصبی در مقیاس های روزانه و هفتگی برخلاف مقیاس ماهانه ضعیف تر از روش پیش بینی موضعی بوده است.

Efficiency assessment of local prediction method considering reconstruction of phase space and artificial neural network model for prediction of runoff (Case Study: Polekohneh Station, Kermanshah)

In this research prediction methods of artificial neural network and chaos theory are employed to predict daily, weekly and monthly runoff. For this, runoff series data observed at PoleKohneh located in the QarehSoo River. The nonlinear predictions of chaos are found to be in close agreement with the observed runoff, with high correlation coefficient for daily and weekly time scales. Predicted results of monthly time scale are not satisfying which indicating the chaos behavior in daily and weekly scales. The predicted results of ANN are inferior to chaos for daily and weekly scales but superior to chaos for monthly scale.