سیدصادق صدردشتکی
نادر برهمند

مسائلی که در علم هیدرولوژی بررسی می شوند از نوع گسسته زمانی هستند. به این معنا که درزمانهای گسسته ای، مقادیر متفاوتی می توانند داشته باشند و تابع زمان دامنه که توسط این مسائل تعریف میشوند به سری زمانی معروف هستند. سریهای زمانی مانند سیگنالی هستند که اطلاعات ومشخصه های قابل توجهی در آنها پنهان است و غالب این اطلاعات در حوزه زمان دامنه قابل دریافت نیست. تبدیل فوریه و آنالیز موجکی از جمله روشهای مشهوری هستند که با تجزیه یک سیگنال بهطیف فرکانسی اش می توانند اطلاعات ارزشمندی را از سیگنال استخراج نمایند. در این مطالعه با ترکیب آنالیز موجکی با شبکه های عصبی پرسپترون چندلایه، مدل قدرتمند و ترکیبی عصبی موجکی ایجاد شد که از آن جهت پیش بینی دبی رودخانه کر با استفاده از آمار ماهیانه ایستگاه هیدرومتری چمریز واقع براین رودخانه استفاده گردید. نتایج این مدل ترکیبی با نتایج متناظر شبکه ترکیبی دیگری به نام آنفیس مقایسه شد و مشخص شد که مدل عصبی موجکی تحت شرایط پارامترهای مناسب، برتر از مدل آنفیس عمل کرده و از این جهت انتخاب مناسبی برای پیش بینی در حوزه هیدرولوژی می تواند محسوب شود

شبکه عصبی پرسپترون، مدل ترکیبی عصبی موجکی، مدل آنفیس، پیش بینی دبی رودخانه کر، تجزیه سیگنال، سری زمانی