بازسازي دبي روزانه با استفاده از روش هاي شبکه عصبي و فازي- عصبي (مطالعه موردي: سرشاخه هاي حوزه آبخيز کارون)

براي برآورد دبي روزانه در مدل هاي هيدرولوژي نياز به دبي هاي پيوسته در بازه زماني روزانه هست. تعداد سال هاي آماري متفاوت، نواقص آماري و خطاي اندازه گيري باعث ايجاد سري هاي زماني با پايه زماني غيرمشترک مي گردد. بنابراين بازسازي داده هاي دبي روزانه از اهميت ويژه اي برخوردار است. اين تحقيق به منظور بازسازي دبي روزانه در يکي از سرشاخه هاي رودخانه کارون و در دو مرحله انجام گرفت. در هر دو مرحله تحقيق با استفاده از داده هاي دبي روزانه دو ايستگاه بالادست و روش هاي شبکه عصبي، فازي-عصبي و رگرسيون دومتغيره دبي روزانه ايستگاه پائين دست بازسازي گرديد. در مرحله دوم با گروه بندي مقادير دبي به سال هاي خشک، نرمال و مرطوب دبي روزانه بازسازي شد. نتايج نشان داد روش هاي شبکه عصبي و فازي داراي دقت بالا تري نسبت به روش رگرسيون دومتغيره براي بازسازي دبي روزانه بود. بين مدل هاي مختلف شبکه عصبي و فازي مدل شبکه عصبي پرسپترون (MLP) داراي قابليت مناسب تري نسبت به بقيه مدل ها است. همچنين گروه بندي دبي به سال هاي خشک، نرمال و مرطوب باعث کاهش خطا در بازسازي دبي روزانه گرديد. بر اساس شاخص ميانگين خطاي نسبي (MRE) به ترتيب سال هاي نرمال، مرطوب و خشک کمترين خطا در بازسازي دبي روزانه را دارند.