پیش بینی جریان روزانه رودخانه نوران چای با استفاده از مدل ترکیبی شبکه های 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 پیش بینی جریان روزانه رودخانه نوران چای واقع در حوضه آتشگاه، از شبکه های عصبی مصنوعی (ANN) استفاده گردد. همچنین به منظور افزایش کارآیی ANN از تجزیه مولفه های اصلی (PCA) جهت پیش پردازش 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 CC=0.9959، EC=0.9905 and RMSE=0.0071، مدل ANN منفرد (در مرحله صحت سنجی) برابر CC=0.9093، EC=0.8269 and RMSE=0.0405 و مدل MLR برابر CC=0.8866، EC=0.7860 and RMSE=0.0926 به دست آمدند. همچنین استفاده از PCA به عنوان یک روش موثر جهت پیش پردازش داده ها، با ایجاد مولفه های مستقل از هم موجب از بین رفتن هم خطی چندگانه می شود. بنابراین PCA موجب افزایش کارآیی مدل ANN می گردد.