بررسی روش های داده محور و اثر پیش پردازش موجک بر آن ها در پیش بینی جریان روزانه رودخانه ها

پیش بینی جریان رودخانه ها در طول قرن گذشته همواره مورد توجه محققین بوده است. در دهه های اخیر با واگذاری زیرساخت های آبی به بخش خصوص پیش بینی جریان به موضوعی رقابتی تبدیل شده است. در کنار مدل های مفهومی بارش رواناب و پارامتریک - پیش بینی جریان، در سال های اخیر مدل های داده محور بیشتر مورد توجه قرار گرفته اند. در مطالعه حاضر عملکرد مدل های رگرسیونی، شبکه عصبی مصنوعی، سیستم عصبی فازی، برنامه ریزی بیان ژن و مدل خوشه بندی درختی در پیش بینی جریان روزانه رودخانه و - مقادیر حدی ماکزیمم در شرایط اقلیمی متفاوت مورد بررسی قرار گرفته اند. همچنین اثر روش پیش پردازش داده ی تجزیه موجک بر عملکرد هر یک از مدل ها بررسی شده اند. نتایج نشان داد اعمال پیش پردازش روی دادهها، دقت مدل ها را تا حد محسوس افزایش داده است که بیشترین تاثیر در مدل درختی و برنامه ریزی بیان ژن با حدود 4 درصد بوده که این افزایش در دو شرایط اقلیمی پرآبی و خشکسالی که از اهمیت فوق العاده برخوردارند صورت گرفته است. ولی در مدل عصبی فازی کاهش یافته که بیانگر عدم نیاز این مدل به پیش پردازش سری های ورودی است.