بررسی کارآیی روش های نزدیک ترین همسایه و مبتنی بر خوشه بندی فازی در ترکیب خروجی مدل های آب سنجی

داده های ورودی و ساختار مدل ها معمولا نقص هایی دارد و هیچ مدل منفردی نمی توان پیدا کرد که عمل کرد آن در شبیه سازی جریان رودخانه در تمام شرایط بهترین باشد و در خروجی آن بی قطعیتی نباشد. در این حالت با ترکیب مدل ها از مزیت های هر یک از مدل های منفرد برای ساختن مدلی که عمل کرد بهتری از هر یک از مدل های منفرد دارد بهره گرفته می شود. در این تحقیق، کارآیی روش های نافراسنجه یی نزدیک ترین همسایه و خوشه بندی فازی نسبت به روش های ترکیب مدل BGA (Bates Granger Averaging)، GRA (Granger Ramanathan Averaging)، AICA (Akaike Information Criterion)، BICA (Bayes Information Criterion)، متوسط گیری با وزن های یکسان و روش لاسو در ترکیب خروجی مدل های آب شناختی یکپارچه GR5J، SimHyd، SACRAMENTO و SMAR بررسی شد. با کاربرد داده های ورودی بارش، دما، آب دهی و تبخیر-تعرق هر یک از مدل های منفرد واسنجی، و روان آب خروجی حوزه ی کسیلیان شهرستان پل سفید در ایستگاه ولیک بن در مقیاس روزانه برآورد شد. سپس هر یک از روش های ترکیب مدل ها برای ترکیب نتایج خروجی هر یک از مدل های منفرد اجرا شد. نتایج نشان داد که بهترین عمل کرد در دوره ی واسنجی در مدل های GR5J و SACRAMENTO، و در دوره ی اعتبارسنجی در مدل های SimHyd و GR5J بود. بهترین عمل کرد مدل های ترکیبی در دوره ی واسنجی در روش های لاسو و GRA بود که هر دو مشابه هم عمل کردند، و اندازه های ضریب همبستگی، ضریب نش-ساتکلیف و RMSE آن ها به ترتیب 0/83، 0/69 و 0/24 بود. در دوره ی اعتبارسنجی برای روش های متوسط گیری با وزن های یکسان و روش BGA با اندازه های ضریب همبستگی، ضریب نش-ساتکلیف  و RMSE به ترتیب  0/73، 0/27 و 0/52 بود. در دوره ی واسنجی عمل کرد روش نزدیک ترین همسایه بهتر از روش مبتنی بر خوشه بندی فازی بود، و بهترین عمل کرد هر دو مدل در 20 همسایه به دست آمد. در دوره ی اعتبارسنجی عمل کرد روش مبتنی بر خوشه بندی فازی بهتر بود و عمل کرد هر دو مدل با افزایش تعداد همسایه بهتر شد.