پیش بینی بده با کاربرد شبیه تلفیقی شبکه‌ی عصبی مصنوعی و تجزیه‌ی موجکی، و مقایسه نتایج با شبیه آنفیس (مطالعه‌ی موردی: رود کر)

به علت بروز خشکسالی های متمادی و کاهش شدید بارندگی در چند دهه ی اخیر، پیش بینی وضعیت اندازه ی جریان منابع آبهای سطحی در رودها جهت مدیریت منابع آبی اهمیت ویژه ای یافته است. از این نظر، اندازه ی بده ی عبوری از رودخانه ها که مهمترین منبع تغذیه ی آب پشت سدها می باشند، جزء مهمترین عوامل در زمینه ی پیش بینی آبهای سطحی به شمار می رود. در این مطالعه از ترکیب دو ابزار شبکه های عصبی مصنوعی و نظریه موجک شبیه ی قدرتمند ایجاد شد که از آن برای پیش بینی بده ی ایستگاه دشتبال بر رود کر استفاده گردید. مقایسه ی نتایج این شبیه ترکیبی با شبیه آنفیس نشان داد که شبیه عصبی موجکی، به شرط تنظیم فراسنجهای ساختار آن بهتر از آنفیس عمل کرده، و می تواند جایگزین مناسبی برای شبیه های پیش بینی قبلی باشد. بهترین شبیه با موجک گوسی در سطح سوم تجزیه به دست آمد. پس از آن، شبیه آنفیس با استفاده از 4 تابع عضویت گوسی، و همچنین موجک دابشیز4 در سطح سوم تجزیه بهترین شبیه ها به دست آمدند.

Application of Combined Artificial Neural Network and Wavelet Theory for Flow Rate Prediction and Comparing the Results with those of ANFIS (Case Study: The Kor River)

Due to the prolonged droughts in the recent decades, the importance of predicting the flow rate of surface water in rivers for water resources management increases. In this regard, the flow rates in the natural water ways, which is the most important supplement source for water in dam storages, are considered as the most vital factors in predicting surface water. In this study, a combined powerful model, using the artificial neural networks and wavelet theory, was developed to predict the flow rate of the Kor River at the Dashtbal hydrometric station located at the upstream of the Doroudzan Dam. The comparison of the results obtained from this model with those predicted by ANFIS inculcate the superiority of the former providing that the employed parameters are adequately selected. The ANFIS model with 4 Gaussian functions, and the Daubechies 4 wavelet within the third decomposition level occupied the 2nd and 3rd positions in accurate prediction after the combined model developed in this study.