کاربرد آنتروپی شانون برای انتخاب ورودی های بهینه درپیش بینی جریان رودخانه با استفاده از مدل-های هوشمند(مطالعه موردی: صوفی چای)

پیش بینی جریان رودخانه یکی از موارد مهم در مدیریت منابع آب های سطحی، بهره برداری از مخازن سدها، کنترل سیلاب و خشکسالی می باشد. انتخاب ورودی های مناسب برای افزایش دقت وکارایی مدل های هوشمند از اهمیت به سزایی برخوردار است. در این تحقیق به ارزیابی عملکرد آنتروپی شانون درتعیین ورودی های مناسب و کارایی مدل های، شبکه عصبی مصنوعی و شبکه بیزین، در پیش بینی جریان ماهانه ی رودخانه ی صوفی چای در ایستگاه تازه کند، در طی بازه ی زمانی(1352-1391) پرداخته شده است. آنتروپی شانون، به عنوان روشی برای بیان اطلاعات یا عدم قطعیت یک پدیده مورداستفاده قرار می گیرد. هم چنین به عنوان شاخصی برای کمی کردن میزان عدم آگاهی و دانش نسبت به مشخصات یک سامانه، استفاده می شود. داده های جریان ماهانه با تاخیرهای مختلف به عنوان 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 پیش بینی، با دو مدل شبکه عصبی مصنوعی و شبکه بیزین مقایسه گردید. عملکرد این دو مدل با شاخص های آماری ضریب تبیین (R2)، 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.