مرصاد عسگری - دانشجو، کارشناسی ارشد آب و سازه های هیدرولیکی، عمران، دانشکده فنی و مهندسی، دانشگاه رازی کرمانشاه
امیرحسین زاجی - دکتری ، آب و سازه های هیدرولیکی، عمران، دانشکده فنی و مهندسی، دانشگاه رازی کرمانشاه
آزاده غلامی - دانشجو دکتری ، آب وسازه های هیدرولیکی، عمران، دانشکده فنی و مهندسی، دانشگاه رازی کرمانشاه
حسین بنکداری - استاد ، آب و سازه های هیدرولیکی، عمران، دانشکده فنی مهندسی، دانشگاه رازی کرمانشاه،

امروزه استفاده از تصاویر ماهواره ای در پیش بینی دبی جریان در ایستگاه های زمینی از اهمیت قابل توجهی برخوردار است . در مطالعه حاضر، تکنیک جدیدی بر اساس مدلهای هوش مصنوعی جهت پیش بینی سیگنالهای ماهواره ای (S) ارائه شده که با معرفی یک شاخص جدید به اسم PS1 مشکل تقلید از داده های ورودی تا حد بسیار زیادی رفع میشود. بر این اساس، یک مدل پرسپترون چند لایه ( ( MLP 2 در ترکیب با الگوریتم بهینه سازی دو هدفه تکاملی (NSGA-II3) جهت پیش بینی داده های S معرفی شده که مدل پیشنهادی در تحقیق حاضر بصورت IM4 نامگذاری شده است. کاهش همزمان دو شاخص MSE و PS در مدل پیشنهادی IM موضوع مورد بررسی تحقیق حاضر بوده که تا به حال در روش های هوش مصنوعی معمولیOM5 در پیش بینی سری زمانی اغماض شده است. علاوه بر این در تحقیق یک مدلMLP معمولی جهت بررسی و مقایسه ی عملکرد IM ارائه شده است. پیش بینی برای رودخانه وسیعی به نام Connecticut صورت گرفته است. بررسی نتایج نشان میدهد که IM ارائه شده در تحقیق با مقدار MARE6 و RMSE7 برابر 0/81 و 0/434 نسبت به OM با مقدار MARE و RMSE برابر 0/99 و 0/94 در حدود 18/5 درصد خطای کمتری دارد. علاوه بر مقادیر کم شاخص های خطا، مقدار نزدیک به صفر شاخص PS در IM بر خلاف مقادیر نزدیک به 1 شاخص PS در OM بیانگر این مطلب است که مدل IM پیشنهادی توانسته بدون تقلید از داده های گذشتگان مقدار S را بصورت مستقل پیش بینی کرده که از مزایای مدل ارائه شده IM در تحقیق حاضر می باشد. می توان از مدل ارائه شده در تحقیق حاضر در پیش بینی S و در نتیجه دبی جریان برای ایستگاه های زمینی بدون ابزار اندازهگیری در آینده استفاده کرد.

سیگنالهای ماهواره ای، پیش بینی سری زمانی، روشهای هوش مصنوعی، الگوریتمهای چند هدفه