پیش بینی جریان ماهانه رودخانه با استفاده از رویکرد ترکیبی موجک-درخت m5

پیش‌بینی جریان در ارتقا کیفیت مدیریت و بر‌نامه‌ریزی منابع آب، نقشی اساسی دارد که با شناخت هوش‌مصنوعی، قابلیت آن در این زمینه، طی تحقیقات زیادی مورد بررسی قرار گرفته و سرعت و دقت نسبتا بالا‌ی آن ثابت شده است. در این پژوهش، قابلیت رویکرد ترکیبی موجک- درخت m5 در پیش‌بینی جریان ماهانه‌ی رودخانه خشکرود با استفاده از داده‌های هواشناسی و هیدرومتری، ارزیابی شده است. طی پیش‌پردازش داده‌ها با استفاده از تبدیل موجک و انجام تحلیل حساسیت مدل، با اعمال مرحله‌ای داده‌های هواشناسی به آن، مشخص شده که فرآیند پیش‌پردازش، عاملی بسیار موثر در عملکرد مدل m5 است، به‌طوری‌که سبب کاهش جذر میانگین مربعات خطا از 1.374 به 0.456 در زمان پیش‌بینی 1 و از 1.465 به 0.920 در زمان پیش‌بینی 3 می‌شود. همچنین استفاده از داده‌های هواشناسی برای جبران نواقص اطلاعات زمان‌های بلند‌مدت و تبدیل موجک نامتناسب با سری‌زمانی کار‌بردی است و میزان اهمیت نوع آن‌ها بسته‌به قابلیت مدل اصلی، می‌تواند یکسان و یا متغیر باشد.