بررسی تاثیر انتخاب متغیر های ورودی بر بهبود عملکرد شبکه های عصبی مصنوعی به منظور تخمین دبی روزانه رودخانه با استفاده از آنالیزمولفه اصلی

پیش بینی مناسب سری زمانی دبی رودخانه یکی از اهداف مهم و حیاتی در مسائل برنامه ریزی و مدیریت منابع آب است. دقت و اعتبار یک مدل دسته بندی یا پیش بینی در صورت استفاده از متغیرهای وابسته به هم یا متغیرهای غیرمرتبط به خروجی کاهش می یابد. با استفاده از آنالیز مولفه اصلی، می توان ابعاد (تعداد متغیرها) داده ها را به نحوی کاهش داد که بیشترین میزان تغییرات اصلی در داده ها حفظ شود. هدف از این پژوهش بررسی تاثیر آنالیز مولفه اصلی بر بهبود عملکرد مدل شبکه عصبی مصنوعی به منظور تخمین دبی روزانه می باشد. بدین منظور دو نوع شبکه عصبی (پرسپترون چند لایه، شبکه تابع پایه شعاعی) برای تخمین دبی روزانه رودخانه ایجاد شده است. در ابتدا مدل ها با استفاده از داده های اصلی مربوط به دبی، بارندگی و دما، بدون پیش پردازش ایجاد شده و ارزیابی گردیده اند. در مرحله بعد با استفاده از آنالیز مولفه اصلی تعداد متغیرها را کاهش داده به نحوی که تنها متغیرهای موثر بر عملکرد مدل شبکه عصبی در نظر گرفته شده اند. عملکرد مدل های شبکه عصبی مصنوعی در مراحل آموزش و ارزیابی از طریق مقایسه با داده های مشاهداتی مورد بررسی قرار گرفته است و با توجه به معیارهای سنجش خطا و نکوئی برازش بهترین مدل انتخاب شده است.