تخمین جریان رودخانه زرینه رود با استفاده از مدل های هیبریدی فراکاوشی
Abstract(in Persian; no English abstract is available)
در این پایان نامه قابلیت مدل های شبکه عصبی پرسپترون چند لایه، رگرسیون بردار پشتیبان، هیبرید موجک – عصبی و هیبرید موجک – رگرسیون بردار پشتیبان برای تخمین جریان رودخانه بررسی گردید . در این راستا سری زمانی جریان ماهانه رودخانه در دوره 1367 تا 1390 برای ایستگاه های صفاخانه، سنته و پل آنیان از حوضه آبریز رودخانه زرینه رود در شمال غربی ایران استفاده شد. جهت تعیین بهترین ساختار ورودی مدل ها، ترکیب های ورودی مختلف از جریان ماهانه تاخیر یافته، سری میانگین ماهانه و شاخص زمان مورد بررسی قرار گرفت. نتایج مدل ها با استفاده از ریشه میانگین مربعات خطا (rmse) و ضریب همبستگی (cc) مقایسه شدند. مقایسه مدل ها نشان می دهد که مدل های هیبرید موجک – عصبی و موجک –رگرسیون بردار پشتیبان از مدل های منفرد بهتر عمل نموده است. همچنین نتایج نشان داد که افزودن شاخص زمان و سری میانگین ماهانه به ورودی مدل ها به طور قابل توجهی باعث افزایش عملکرد آنها می گردد. همچنین مدل موجک_ عصبی با مقادیر cc و rmse به ترتیب برابر با 991/0، (m3/s)084/1، 994/0، (m3/s)262/1، 987/0 و(m3/s)487/6 در دوره صحت سنجی، بهتر از سایر مدل ها برای پیش بینی سری زمانی جریان ماهانه ایستگاه های صفاخانه، سنته و پل آنیان عمل نموده است.