ارزیابی کارایی دو مدل نروفازی و هیبرید موجکی- عصبی در پیش بینی جریان رودخانه (مطالعه موردی: حوضه محمد آباد)

از مهم ترین مسائل در مدیریت حوزه های آبخیز، پیش بینی فرآیندهای هیدرولوژیکی بارش- رواناب می باشد. استفاده از مدل های جدید در این زمینه می تواند به مدیریت و برنامه ریزی صحیح کمک کند. علاوه بر آن پیش بینی جریان رودخانه، مخصوصا در شرایط سیلابی، به مسئولان این امکان را خواهد داد که با آمادگی خسارت ناشی از سیل را کاهش دهند. با توجه به اهمیت پیش‎بینی جریان رودخانه در مدیریت منابع آب روش های مختلفی برای مدل کردن جریان رودخانه ها به کار برده می شوند، تا بتوان با به کارگیری این مدل در مدیریت خشکسالی و سیلاب خسارات ناشی از آن ها را به حداقل ممکن رساند. در این مطالعه برای پیش بینی سری زمانی جریان روزانه ایستگاه آب سنجی سرمو واقع بر رودخانه محمدآباد، مدل نروفازی و هیبرید موجکی- عصبی مورد استفاده قرار گرفت. برای این هدف سری زمانی اصلی به مدت 28 سال به وسیله تبدیل موجکی به سه زیر سری و با موجک مادر دابچیز نوع چهارم انجام شد. مقدار ضریب همبستگی در مدل نروفازی 0/88 و در مدل هیبرید موجکی-عصبی 0/95 به دست آمده است و نیز پارامترهای ارزیابی RMSE، MSE، NS در مدل موجکی- عصبی به ترتیب 0/004، 0/043 و 0/91 و در مدل نروفازی به ترتیب 0/32، 0/10 و 0/77 بدست آمد. در نهایت نتایج حاصل از تبدیل موجکی- عصبی با نتایج حاصل از نروفازی، مقایسه و ملاحظه شد که روش موجکی- عصبی نسبت به روش نروفازی دقت پیش بینی بالاتری دارد.