مقایسه برخی از روش های هوش مصنوعی در پیش بینی سری های زمانی روزانه دمای حداقل، حداکثر و بارش ایستگاه سد تنگاب واقع در استان فارس

توسعه یک مدل پیش بینی هیدرولوژیکی بر اساس اطلاعات ثبت شده ی گذشته، به منظور مدیریت و برنامه ریزی موثر مخازن آبی، وابسته به پیش بینی و درک صحیح از سری های زمانی تاثیر گذار در منابع آب است. در سال های اخیر یکی از موضوعات رو به رشد در این زمینه، استفاده از روش های هوش مصنوعی در مدل سازی، پیش بینی و بازیابی اطلاعات هیدرولوژیکی است. در این مقاله به مقایسه روش های هوش مصنوعی در پیش بینی و بازیابی سری های زمانی روزانه ی دمای حداقل و حداکثر و بارش در ایستگاه سد تنگاب پرداخته شده است. در این مطالعه هم از خود سری ها (استفاده از تاخیر در سری ها) و هم از ایستگاه های مجاور، به منظور بازیابی و پیش بینی اطلاعات، استفاده شده است. روش های MLP (پرسپترون چند لایه)، RBF (توابع شعاعی پایه)، SVM (ماشین های بردار پشتیبان)، روش منطق فازی (FIS) و روش ANFIS (سیستم استنتاج عصبی- فازی)، مورد بررسی قرار گرفته اند. به منظور ارزیابی و سنجش عملکرد این مدل ها از میانگین توان دوم خطا (MSE)، ضریب همبستگی (R)، واریانس و انحراف معیار داده های حاصل، و همچنین نمودارهای گرافیکی استفاده شده است. نتایج نشان دهنده عدم کارایی مدل ها در پیش بینی بارش است ولی به منظور بازیابی بارش و پیش بینی دما می توان از این روش ها استفاده کرد.