بررسی عدم قطعیت مدل های داده مبنا در پیش بینی دبی ماهانه حبله رود

مدیریت مناسب حوضه های آبریز نیازمند در اختیار داشتن پیش بینی های دقیق و قابل اطمینان از دبی رودخانه هاست. در سالیان اخیر، مدل های داده مبنا و به ویژه مدل های مبتنی بر هوش مصنوعی، در زمینه های مختلف مرتبط با منابع آب با موفقیت مورد استفاده قرار گرفته اند. با این وجود، تحلیل عدم قطعیت این مدل ها کمتر مورد توجه قرار گرفته است. در مطالعه حاضر، عدم قطعیت خروجی پنج مدل مبتنی بر هوش مصنوعی شامل مدل هایی از نوع ماژولار، PCA، TLRN، ANFIS و SVM در پیش بینی دبی ماهانه حبله رود، با استفاده از کمیت های ۹۵PPU، p-factor و d-factor مورد بررسی قرار گرفته است. با استفاده از داده های ثبت شده از متغیرهای هواشناسی و دبی طی سال های ۲۰۱۲-۱۹۹۸ در حوضه آبریز حبله رود در شرق استان تهران، ساختارهای متفاوتی از مدل ها مورد آموزش و آزمون قرار گرفتند. مقادیر نهایی p-factor و d-factor برای هر کدام از پنج مدل مورد بررسی محاسبه شد. نتایج نشان داد SVM با p-factor نهایی معادل با ۸۲ درصد در مرحله آزمون، قابل اعتمادترین مدل برای پیش بینی دبی ماهانه در حوضه مورد بررسی است.

کلیدواژه ها:

عدم قطعیت ، جریان ماهانه ، واسنجی تصادفی ، مدل عصبی- فازی ، آزمون گاما