بررسی اثرات متغیرهای اقلیمی در تخمین جریان رودخانه با استفاده از روش های منفرد و هیبریدی-موجکی محاسبات نرم

تغییرات اقلیمی و تاثیر آن در وضعیت منابع آبی می‌تواند از جنبه‌های مختلف زندگی و حیات بشر در روی زمین را به مخاطره بیاندازد. در این مطالعه، با استفاده از روش های منفرد و هیبریدی-موجکی شبکه عصبی مصنوعی، سامانه استنتاجی فازی عصبی (دسته بندی تفریقی) و برنامه ریزی بیان ژن به مدل سازی پارامتر جریان پرداخته شده است. بدین منظور از داده های اقلیمی ماهانه با طول دوره آماری 21 ساله (1395-1375) جریان، دما و بارش ایستگاه تپیک واقع در رودخانه نازلوچای ارومیه استان آذربایجان غربی استفاده شده است. در این مطالعه تاثیر پارامترهای جریان تاخیری، بارش، دما و اثر فصلی (ضریب ماهانه) در مدل ها بررسی شده است. نتایج حاکی از عملکرد برتر مدل-های هیبریدی-موجکی نسبت به مدل های منفرد محاسبات نرم و تاثیر مثبت اعمال اثر فصلی در مدل سازی جریان رودخانه ای می باشد. همچنین تبدیل موجک با آنالیز داده ها و تفکیک نویزها توانایی ارتقاء بخشیدن به عملکرد مدل-های هیبریدی نسبت به مدل های منفرد را امکان پذیر می نماید. در مدل بهینه هیبریدی موجکی برنامه ریزی بیان ژن، مقادیر شاخص های ارزیابی ضریب همبستگی و ریشه میانگین مربعات خطا به ترتیب برابر 0.978 (حداکثر) و 2.326 (m3/s) (حداقل) به دست آمده است.