بهبود دقت تخمین جریان ماهانه با کاهش نویز آشوبی (رودخانه های مورد مطالعه: نهندچای، اهرچای و لیقوان چای)

وجود ارتباط غیرخطی و پیچیده بین اجزای یک سیستم در فرایندهای هیدرولوژیکی و رفتار دینامیکی مابین آنها، استفاده از مدل های هوشمند را جهت مدلسازی ضروری می نماید. معمولا در تحقیقات مختلف برای افزایش دقت نتایج مدلسازی، از مدل های جدیدتر با قابلیت محاسباتی بیشتر استفاده می شود. علاوه بر توانایی های محاسباتی مدل ها، بکارگیری اطلاعات ورودی صحیح به آنها نیز دارای اهمیت است و لازمه رسیدن به دقت مناسب در انواع روش های مدلسازی است. با توجه به اینکه خطا در داده های هیدرولوژیکی معمولا وجود دارد، هدف از این تحقیق بررسی تاثیر حذف خطاهای ممکن در سیستم های هیدرولوژیکی در میزان افزایش دقت مدل ها است. در این تحقیق مقادیر جریان ماهانه حوضه های شاخص استان آذربایجانشرقی (رودخانه های نهند چای، لیقوان چای و اهرچای) در دو حالت با خطا و بدون خطا مورد بررسی قرار گرفته و سپس برای هر دو حالت، فرایند پیش بینی با مدل شبکه های عصبی مصنوعی مطالعه شده است. برای جداسازی خطای داده های ورودی از نظریه آشوب استفاده شده است. بر اساس معیار ارزیابی نش-ساتکلیف، دقت نتایج مدلسازی جریان ماهانه رودخانه های نهند چای، لیقوان چای و اهرچای برای داده های بدون نویز نسبت به داده های خام، بترتیب به میزان (2/43، 9/27 و 9/5) افزایش یافته و مقدار خطا، بر اساس معیار مجذور میانگین مربعات خطا به مقدار (2/65، 5/63 و 7/2) کاهش داشته است.