بهنام آبابایی - ۱. دکتری مهندسی آبیاری و زهکشی گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج - ایران. ۲. مرکز تحقیقات و توسعه، سازمان اتکا.
تیمور سهرابی - استاد گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج - ایران.
فرهاد میرزایی اصلی - استادیار گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج - ایران.

سیستم های همراشتین - واینر از جمله مدل هایی هستند که توانایی تشریح سیستم های دینامیک غیرخطی را دارند. این مدل ها، مدل هایی غیرخطی اند که به واسطه سادگی و مفهوم فیزیکی شان، در دامنه وسیعی از علوم کاربرد دارند. در این تحقیق، برای اولین بار در حوزه هیدرولوژی و مدیریت منابع آب، سه ساختار مختلف از این مدل ها به منظور شبیه سازی جریان روزانه ورودی به مخزن سد طالقان با استفاده از داده های روزانه دما و بارندگی به عنوان ورودی های مدل توسط آماره های R۲، RMSE، SRMSE، MAE، d و PEP ارزیابی شدند. به این منظور، از اطلاعات مخزن سد طالقان بین سال های ۱۳۸۵ تا ۱۳۹۰ استفاده شد. نتایج این ارزیابی با پیش پردازش اطلاعات (HW۱) و بدون پیش پردازش اطلاعات (HW۲)، با عملکرد دو مدل شبکه عصبی مصنوعی پیشخور با دو لایه مخفی (FeedF۲) و شبکه عصبی رگرسیون تعمیم یافته (GRNN۲) مقایسه شد. نتایج نشان داد که براساس همه شاخص ها، عملکرد مدل های همراشتین - واینر از مدل های شبکه عصبی مصنوعی بهتر است. به ویژه، مقادیر میانگین و انحراف استاندارد ماهانه سری مشاهداتی به بهترین شکل از طریق این مدل ها شبیه سازی می شوند. مقدار شاخص SRMSE مدل HW۱ در مراحل واسنجی و آزمون به ترتیب ۳۳ و ۳۷ درصد و برای مدل HW۲ به ترتیب ۲۸ و ۴۳ درصد برآورد شد، در حالی که همین شاخص برای دو مدل دیگر به ترتیب ۷۱ و ۵۰ و ۵۸ و ۵۰ درصد برآورد شد.

ارزیابی, جریان رودخانه, شبکه های عصبی مصنوعی, مدل های همراشتاین - واینر, مقایسه