پیش بینی دبی متوسط روزانه جریان رودخانه بهشت آباد با استفاده از آنالیز موجک

پیش بینی دبی رودخانه ها یکی از موارد کلیدی در برنامه ریزی و مدیریت منابع آب می باشد. در این مطالعه از دو روش مبتنی بر آنالیز موجک و شبکه عصبی مصنوعی (ann) به منظور پیش بینی دبی جریان رودخانه بهشت آباد استفاده شد. بدین منظور، داده های دبی متوسط روزانه رودخانه مذکور و اطلاعات بارش روزانه مربوط به 17 ایستگاه هواشناسی در طول دوره آماری 2008-1999 استفاده گردید. در روش اول موسوم به روش موجک متقاطع (cw)، از موجک مختلط مورلت به عنوان تابع آنالیزگر استفاده شد. تجزیه موجک برای هر یک از سری های زمانی مجموع بارش روزانه و دبی متوسط روزانه جریان بصورت جداگانه انجام گرفت. مدل دبی جریان به ازای افق های پیش بینی 1 روز، 2 روز، 3 روز و 7 روز جلوتر بسط داده شد. در روش دوم موسوم به روش تلفیقی موجک و شبکه عصبی (wnn)، ابتدا با استفاده از موجک گسسته میر، پردازش اولیه بر روی ماتریس ورودی اولیه انجام گرفت. سپس با نرمالسازی درایه های ماتریس ورودی اولیه، ماتریس ورودی ثانویه تشکیل گردد. ماتریس ورودی ثانویه و ماتریس هدف به یک شبکه سه لایه پیشخور با الگوریتم پس انتشار (ffbp) اعمال شدند. آموزش شبکه با استفاده از تابع آموزش لونبرگ مارکوارت (lm) انجام گرفت. نهایتاً، پیش بینی جریان به ازای افق های زمانی کوتاه مدت انجام شد. نتایج نشان داد پیش بینی های مدل wnn در مقایسه با مدل های cwو ann از دقت بالاتری برخوردار می باشد. در مرحله تست، در مدل cw با کاهش افق پیش بینی از 7 روز به 1 روز مقدار آمارهr2 از 5113/0 به 9388/0 افزایش و مقدار آماره rmse از 9171/17 به 3226/8 مترمکعب بر ثانیه کاهش می یابد. در مدل ann با کاهش افق پیش بینی از 7 روز به 1 روز مقدار آماره r2 از 6705/0 به 9166/0 افزایش و مقدار آماره rmse از 9828/5 به 5600/2 مترمکعب بر ثانیه کاهش یافت. در حالیکه در مدل wnn با کاهش افق پیش بینی از 7 روز به 1 روز مقدار آماره r2 از 8424/0 به 9927/0 افزایش و مقدار آماره rmse از 4678/3 به 8145/0 مترمکعب بر ثانیه کاهش یافت.