پیش بینی جریان روزانه با استفاده از شبکه های عصبی مصنوعی و عصبی- موجکی (مطالعه موردی: رودخانه باراندوزچای)

پیش بینی دقیق جریان در رودخانه ها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالی ها است. به دلیل اهمیت پیش بینی جریان رودخانه، در این تحقیق جریان روزانه رودخانه ی باراندوزچای در دو ایستگاه بی بکران و دیزج طی یک دوره ی آماری 20 ساله با استفاده از مدل عصبی- موجکی (wnn) که تلفیق آنالیز موجک و شبکه عصبی مصنوعی (ann) می باشد، پیش بینی گردید. سپس نتایج حاصله از مدل wnn با مدل ann مقایسه گردید. داده های مربوط به سال های 1384-1369 به منظور آموزش شبکه ها و داده های سال های 1388-1385 نیز جهت صحت سنجی شبکه ها استفاده گردیدند. عملکرد این دو مدل توسط شاخص های آماری ضریب همبستگی (r)، ریشه مربع میانگین خطا (rmse) و میانگین قدر مطلق خطا (mae) ارزیابی گردید. نتایج این پژوهش نشان داد که مدل wnn با ضرایب همبستگی 972/0 و 976/0 که به ترتیب مربوط به ایستگاه های بی بکران و دیزج می باشند، توانایی بیشتری در پیش بینی جریان روزانه رودخانه نسبت به مدل ann دارد. بنابراین، نتایج حاکی از کارایی مناسب و دقت بالای مدل عصبی- موجکی در مقایسه با شبکه عصبی مصنوعی در پیش بینی جریان رودخانه است.