پیش‌بینی آبدهی متوسط ماهانه با استفاده از مدل تلفیقی شبکه عصبی مصنوعی و تبدیلات موجک (مطالعه موردی: رودخانه کر- ایستگاه پل‌خان)

سابقه و هدف: آگاهی از اطلاعات دبی جریان در رودخانه‌ها برای مدیریت منابع آب، پیش‌بینی سیل، طراحی مهندسی و مدیریت زیست‌محیطی ضروری می‌باشد. مدل‌های ارایه شده هم‌چون بارش- رواناب و سری‌های زمانی به‌منظور پیش‌بینی میزان آبدهی رودخانه‌ها به‌دلیل عدم دقت و پیچیدگی عوامل موثر در آبدهی در بسیاری از موارد با مقادیر مشاهده شده تطابق ندارد. موجک یکی از روش‌هایی است که در سال‌های اخیر در زمینه هیدرولوژی مورد توجه قرار گرفته است. همچنین موجک روشی بسیار موثر در زمینه آنالیز سیگنال‌ها و سری‌های زمانی می‌باشد. هدف از این پژوهش ارایه یک مدل هوشمند تلفیقی مبتنی بر شبکه عصبی مصنوعی و تبدیلات موجک می‌باشد که برای شبیه‌سازی آبدهی متوسط ماهانه در رودخانه کر و ایستگاه پل‌خان مورد استفاده قرار می‌گیرد. مواد و روش‌ها: منطقه مورد مطالعه در شهرستان مرودشت استان فارس و در 45 کیلومتری شیراز قرار دارد. همچنین عملکرد مدل‌های پیش‌بینی هوشمند تلفیقی مبتنی بر شبکه عصبی مصنوعی و تبدیلات موجک به کمک معیارهای جذر میانگین مربع خطا و ضریب تعیین مورد ارزیابی قرار می‌گیرند. یافته‌ها: نتایج نشان دادند که مدل تلفیقی شبکه عصبی مصنوعی و تبدیل موجک با 2 درجه تجزیه‌سازی برای مناسب‌ترین ساختار، بهترین نتایج را ارایه می‌کند. در این ساختار، آبدهی خروجی برای جریان در ماه بعد بر حسب آبدهی 4، 3، 2، 1 ماه قبل و ماه جاری محاسبه شده و مقادیر و به‌ترتیب برابر با 14/7 مترمکعب بر ثانیه و 941/0 به‌دست آمد.نتیجه‌گیری: مدل تلفیقی شبکه عصبی مصنوعی و تبدیل موجک با 2 درجه تجزیه‌سازی در مقایسه با سایر مدل‌ها برای شبیه‌سازی و پیش‌بینی آبدهی متوسط ماهانه در رودخانه کر و ایستگاه پل‌خان بهترین نتایج را ارایه می‌دهد.