حامد نوذری

عدم وجود آمار و اطلاعات کامل، نمی تواند مجوزی برای عدم مطالعه شرایط هیدرولوژیکی یک منطقه و پیش بینی های درازمدت برای انجام یک پروژه آبی باشد. بنابراین پژوهشگران مختلف روش هایی از قبیل آنالیز نسبت ها، فرگمنت و توماس فیرینگ را برای بازسازی داده های ناقص دبی در ایستگاه های هیدرومتری به کار برده اند. لذا در این پژوهش دقت روش های مذکور با روش های رایانه ای از قبیل شبکه عصبی مصنوعی، هیبرید عصبی - موجکی و ماشین بردار پشتیبان مورد مقایسه و بررسی قرار گرفته است. نتایج نشان داد که روش های رایانه ای نسبت به سه روش دیگر از دقت بالاتری برخوردار هستند. مقایسه نتایج روش های رایانه ای نشان داد شبکه عصبی مصنوعی (98/0R^2=0، 18/6 RMSE= و 476/0 SE= )، ماشین بردار پشتیبان (902/0R^2=0، 074/6 RMSE= و486/0 SE=) و هیبرید عصبی- موجکی (889/0 R^2=، 96/6 RMSE= و54/0 SE=) به ترتیب در رتبه های اول تا سوم قرار دارند. اگرچه سه روش شبکه عصبی مصنوعی، ماشین بردار پشتیبان و هیبرید عصبی – موجکی تفاوت معنا داری در مقایسه با یکدیگر ندارند اما روش ماشین بردار پشتیبان با سهولت بیشتر و در زمان کمتری قادر به بازسازی بوده و از این جهت نسبت به سایر روش ها ارجحیت دارد.