محمدهادی فتاحی - استادیار گروه مهندسی عمران دانشگاه ازاد اسلامی واحد مرودشت
ناصر طالب بیدختی - استاد دانشکده مهندسی دانشگاه شیراز
غلامرضا رخشنده رو - دانشیار دانشکده مهندسی دانشگاه شیارز
ابوالفضل شمسایی - استاد دانشکده مهندسی دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

در تحقیق حاضر، از روش تحلیل موجکی برای پیش پردازش سری های زمانی جریان رود استفاده شده است. با استفاده از تبدیلات پیوسته و گسسته موجکی نشانه ی مورد مطالعه که همان گروه زمانی جریان رود قره آغاج در چند ایستگاه مورد مطالعه می باشد، به نشانه های تقریب و جزییات تجزیه می گردند. نشانه ی تقریب نشان دهنده ی روند پایه جریان و نشانه ی اختلال در واقع نماینده بی نظمی ها، تغییرات و جهش های سریع در گروه زمانی می باشند. با کاربرد تحلیل فراکتال ضریب H هریک از نشانه های نامبرده در ایستگاه های مختلف به دست آمده و از آن طریق ضریب همبستگی و درجه پایایی گروه های زمانی جریان رود قبل و بعد از پیش پردازش موجکی، برآورد گردیده است. کارمایه متوسط نشانه نیز از روش تحلیل طیفی در هر حالت محاسبه گردیده است. با بررسی ضرایب همبستگی و کارمایه ی متوسط نشانه، مشخص است که گروه های زمانی پس از حذف اختلالات دارای همبستگی بالاتری می باشند که از افزایش حافظه گروه حکایت می کنند، در عین حال، کارمایه متوسط نشانه نیز پس از حذف اختلالات بطور معنی داری کاهش می یابد، به گونه ای که می توان عنوان کرد که بیش از نیمی از کارمایه نشانه مربوط به اختلالات و بی نظمی های موجود در گروه زمانی می باشد. در مرحله ی پیش بینی،گروه های زمانی جریان که به وسیله ی تحلیل موجکی پیش پردازش شده اند و همچنین گروه های غیر پردازش شده به وسیله ی شبیه شبکه عصبی مصنوعی از نوع پرسپترون چند لایه پیش خوران با الگوریتم آموزش Levenberg-Marquardt پیش بینی شده اند. نتایج حاصل از افزایش قابل توجه در دقت پیش بینی جواب های شبیه شبکه ی عصبی در صورت استفاده ازروش های تحلیلی موجکی درمورد گروه های زمانی جریان رود دلالت می کنند. نتایج همچنین حاکی از آنند که روش تبدیلات گسسته موجکی در مقایسه با روش تبدیلات پیوسته از کارایی بالاتری برخوردار است.

تحلیل موجکی, ارزیابی فراکتالی, قابلیت پیش بینی شدن, شبیه شبکه ی عصبی مصنوعی