کاربرد آنتروپی شانون برای انتخاب ورودی‌های بهینه درپیش‌بینی جریان رودخانه بااستفاده از مدل های هوشمند(مطالعه موردی: صوفی چای)

پیش‌بینی جریان رودخانه‌ یکی از موارد مهم در مدیریت منابع آب‌های سطحی، بهره برداری از مخازن سدها، کنترل سیلاب و خشکسالی می باشد. انتخاب ورودی‌های مناسب برای افزایش دقت وکارایی مدل‌های هوشمند از اهمیت به سزایی برخوردار است. در این تحقیق به ارزیابی عملکرد آنتروپی شانون درتعیین ورودی‌های مناسب و کارایی مدل‌های، شبکه عصبی مصنوعی و شبکه بیزین، در پیش‌بینی جریان ماهانه ی رودخانه ی صوفی چای در ایستگاه تازه کند، در طی بازه ی زمانی(1352-1391) پرداخته شده است. آنتروپی شانون، به‌عنوان روشی برای بیان اطلاعات یا عدم قطعیت یک پدیده مورداستفاده قرار می گیرد. هم چنین به‌عنوان شاخصی برای کمی کردن میزان عدم آگاهی و دانش نسبت به مشخصات یک سامانه، استفاده می شود. داده های جریان ماهانه با تاخیرهای مختلف به‌عنوان ورودی به آنتروپی شانون در نظر گرفته شد. نتایج آنتروپی نشان داد که جریان رودخانه با سه تاخیر زمانی، عملکرد بهتری نشان می دهد. سپس نتایج حاصل از پیش‌بینی، با دو مدل شبکه عصبی مصنوعی و شبکه بیزین مقایسه گردید. عملکرد این دو مدل با شاخص های آماری ضریب تبیین (r^2)، جذر میانگین مربعات خطا(rmse) و شاخص پراکندگی(si) ارزیابی شد. نتایج نشان داد که مدل شبکه عصبی مصنوعی با ضریب تبیین بیشتر و جذر میانگین مربعات خطا کمتر و شاخص پراکندگی کمتر در مقایسه با شبکه بیزین، از کارایی بالاتری برخورداراست و ازاین رو آنتروپی شانون در تعیین ترکیب بهینه ی ورودی ها به مدل های هوشمند مناسب می باشد.