استفاده ترکیبی از تبدیل موجک و مدل‌های هوشمند در شبیه‌سازی جریان رودخانه (مطالعه موردی: رودخانه‌های کاکارضا و سراب صیدعلی)

چکیده بی­شک اولین قدم برای مدیریت منابع آب پیش‌بینی و برآورد جریان رودخانه‌ها است. در این مطالعه به منظور پیش‌بینی سری زمانی جریان روزانه و ماهانه ایستگاه‌های کاکارضا و سراب صیدعلی، مدل‌های شبکه عصبی مصنوعی و سیستم استتتاج فازی عصبی تطبیقی استفاده شده است. به منظور بهبود نتایج شبیه‌سازی از آنالیز موجک به عنوان مدل ترکیبی استفاده شد. برای این هدف، سری زمانی جریان و بارش به مدت 12 سال (1392-1380) به وسیله تبدیل موجک به زیر‌سری‌های فرکانسی تجزیه شد، سپس این زیرسری‌ها به عنوان داده‌های ورودی به مدل‌های شبکه عصبی مصنوعی و سیستم استتتاج فازی عصبی تطبیقی وارد شد. نتایج بدست آمده حاکی از آن بود که سیستم استتتاج فازی عصبی تطبیقی با میزان خطای کمتر و ضریب همبستگی بیشتر نسبت به روش شبکه عصبی مصنوعی از دقت بالاتری برخوردار است و اعمال تبدیل موجک روی داده‌های اصلی جریان و بارش باعث بهبود چشمگیر نتایج پیش‌بینی شد.