پیش بینی جریان روزانه رودخانه نوران چای با استفاده از مدل ترکیبی شبکههای عصبی مصنوعی- تجزیه مولفه های اصلی

پیش بینی دقیق جریان روزانه، نقش به سزایی در مدیریت کارآمد منابع آب ایفا می کند. به این منظور در این تحقیق سعی شده است که جهت مدل سازی هرچه دقیق تر فرآیند پیش‌بینی جریان روزانه رودخانه نوران چای واقع در حوضه آتشگاه، از شبکه های عصبی مصنوعی (ann) استفاده گردد. همچنین به‌منظور افزایش کارآیی ann از تجزیه مولفه‌های اصلی (pca) جهت پیش‌پردازش داده های ورودی استفاده گردیده و درنهایت داده های خروجی حاصل، با نتایج مدل رگرسیون خطی چند متغیره (mlr) مقایسه شده است. نتایج نشان داد که مدل ترکیبی ann-pca در قیاس با مدل ann منفرد و mlr از دقت بسیار بالایی برخوردار است. به طوری که نتایج معیارهای ارزیابی شامل ضریب همبستگی (cc)، ضریب راندمان (ec) و جذر میانگین مربعات خطاها (rmse) برای مدل ترکیبی ann-pca (در مرحله صحت سنجی) برابر 9959/0=cc، 9905/0=ec و 0071/0=rmse، مدل ann منفرد (در مرحله صحت-سنجی) برابر 9093/0=cc، 8269/0=ec و 0405/0=rmse و مدل mlr برابر 8866/0=cc، 7860/0=ec و 0926/0=rmse به‌دست آمدند. همچنین استفاده از pca به‌عنوان یک روش موثر جهت پیش‌پردازش داده ها، با ایجاد مولفه‌های مستقل از هم موجب از بین رفتن هم خطی چندگانه می شود. بنابراین pca موجب افزایش کارآیی مدل ann می گردد.