بررسی کارآیی روش‌های نزدیک‌ترین همسایه و مبتنیبر خوشه‌بندی فازی در ترکیب خروجی مدل‌های آب‌سنجی

داده‌های ورودی و ساختار مدل‌ها معمولا نقص‌هایی دارد و هیچ مدل منفردی نمی‌توان پیدا کرد که عمل‌کرد آن در شبیه‌سازی جریان رودخانه در تمام شرایط بهترین باشد و در خروجی آن بی‌قطعیتی نباشد. در این حالت با ترکیب مدل‌ها از مزیت‌های هر یک از مدل‌های منفرد برای ساختن مدلی که عمل‌کرد بهتری از هر یک از مدل‌های منفرد دارد بهره گرفته‌می‌شود. در این تحقیق، کارآیی روش‌های نافراسنجه‌‌یی نزدیک‌ترین همسایه و خوشه‌بندی فازی نسبت به روش‌های ترکیب مدل BGA (Bates Granger Averaging)، GRA (Granger Ramanathan Averaging)، AICA (Akaike Information Criterion)، BICA (Bayes Information Criterion)، متوسط‌گیری با وزن‌های یکسان و روش لاسو در ترکیب خروجی مدل‌های آب‌شناختی یکپارچه GR5J، SimHyd، SACRAMENTO و SMAR بررسی شد. با کاربرد داده‌های ورودی بارش، دما، آب‌دهی و تبخیر-تعرق هر یک از مدل‌های منفرد واسنجی، و روان‌آب خروجی حوزه‌‌ی‌ کسیلیان شهرستان پل‌سفید در ایستگاه ولیک‌بن در مقیاس روزانه برآورد شد. سپس هر یک از روش‌های ترکیب مدل‌ها برای ترکیب نتایج خروجی هر یک از مدل‌های منفرد اجرا شد. نتایج نشان داد که بهترین عمل‌کرد در دوره‌ی واسنجی در مدل‌های GR5J و SACRAMENTO، و در دوره‌ی اعتبارسنجی در مدل‌های SimHyd و GR5J بود. بهترین عمل‌کرد مدل‌های ترکیبی در دوره‌ی واسنجی در روش‌های لاسو و GRA بود که هر دو مشابه هم عمل کردند، و اندازه‌های ضریب همبستگی، ضریب نش-ساتکلیف و RMSE آن‌ها به ترتیب 0/83، 0/69 و 0/24 بود. در دوره‌ی اعتبارسنجی برای روش‌های متوسط‌گیری با وزن‌های یکسان و روش BGA با اندازه‌های ضریب همبستگی، ضریب نش-ساتکلیف  و RMSE به‌ترتیب  0/73، 0/27 و 0/52 بود. در دوره‌ی واسنجی عمل‌کرد روش نزدیک‌ترین همسایه بهتر از روش مبتنی‌بر خوشه‌بندی فازی بود، و بهترین عمل‌کرد هر دو مدل در ۲۰ همسایه به‌دست آمد. در دوره‌ی اعتبارسنجی عمل‌کرد روش مبتنی بر خوشه‌بندی فازی بهتر بود و عمل‌کرد هر دو مدل با افزایش تعداد همسایه بهتر شد.