ارزیابی مدل های کلاسیک و مدل مفهومی IHACRES و مدل هیبریدی ANN ARMA-درشبیه سازی و پیش-بینی جریان روزانه مارون

هدف از این پژوهش مقایسه عملکرد مدل های سری زمانی خطی  باکس-جنکنیز و مدل مفهومی IHACRES ، مدل شبکه عصبی پرسپترون چندلایه و مدل هیبریدی ARMA-ANN به منظور شبیه سازی و پیش بینی جریان روزانه حوضه مارون می باشد. بدین منظور از داده های 1370-1385 برای واسنجی و از داده های 1386 -1396 برای صحت سنجی مدل ها استفاده گردید. برای انتخاب مدل های برتر باکس-جنکنز از آماره های شوارتز SBC و معیار اطلاعات اکاییک AIC بهره گرفته شد. در مدل سازی دبی جریان روزانه  حوضه مارون با شبکه های عصبی مصنوعی سعی شد از سناریوها و الگوریتم های آموزشی و توابع انتقال متفاوت با ساختار نرونی گوناگون استفاده گردید. برای مدل سازی شدت جریان روزانه با شبکه عصبی، سناریو 1 با تعداد پارامتر و تاخیر زمانی کمتر به عنوان سناریو برتر برگزیده شد. بررسی معیارهای ارزیابی مدل ها نشان داد که عملکرد  مدل مفهومی در مرحله صحت سنجی بهتر از مرحله واسنجی بوده است. همچنین مدل میانگین متحرک مرتبه چهارم MA (4) با داشتن کمترین مقدار ضریب تبیین برابر با 61/0، ضعیف ترین عملکرد را در بین مدل های مختلف باکس-جنکینز به خود اختصاص داد. بررسی معیارهای ارزیابی عملکرد مدل، حاکی از برتری نسبی مدل هیبریدی ARMA-ANN نسبت به سایر مدل های مورد استفاده در این پژوهش دارد. به طوری که مدل ARMA-ANN بیشترین مقادیر عددی ضریب تبین 86/0 و ضریب نش-ساتکلیف 81/0 به خود اختصاص داده است. این مطلب نشان دهنده توانایی و عملکرد مدل هیبریدی ARMA-ANN درشبیه سازی و پیش بینی جریان روزانه حوضه مارون در مقایسه با سایر مدل ها است.