شبیه‌سازی جریان روزانه ورودی به سد طالقان با استفاده از مدل‌های همراشتین-واینر

سیستم‌های همراشتین - واینر از جمله مدل‌هایی هستند که توانایی تشریح سیستم‌های دینامیک غیرخطی را دارند. این مدل‌ها، مدل‌هایی غیرخطی‌اند که به‌واسطه سادگی و مفهوم فیزیکی‌شان، در دامنه وسیعی از علوم کاربرد دارند. در این تحقیق، برای اولین بار در حوزه هیدرولوژی و مدیریت منابع آب، سه ساختار مختلف از این مدل‌ها به‌منظور شبیه‌سازی جریان روزانه ورودی به مخزن سد طالقان با استفاده از داده‌های روزانه دما و بارندگی به‌عنوان ورودی‌های مدل توسط آماره‌های r2، rmse، srmse، mae، d و pep ارزیابی شدند. به‌این‌منظور، از اطلاعات مخزن سد طالقان بین سال‌های 1385 تا 1390 استفاده شد. نتایج این ارزیابی با پیش‌پردازش اطلاعات (hw1) و بدون پیش‌پردازش اطلاعات (hw2)، با عملکرد دو مدل شبکه عصبی مصنوعی پیشخور با دو لایه مخفی (feedf2) و شبکه عصبی رگرسیون تعمیم‌یافته (grnn2) مقایسه شد. نتایج نشان داد که براساس همه شاخص‌ها، عملکرد مدل‌های همراشتین - واینر از مدل‌های شبکه عصبی مصنوعی بهتر است. به‌ویژه، مقادیر میانگین و انحراف استاندارد ماهانه سری مشاهداتی به بهترین شکل از طریق این مدل‌ها شبیه‌سازی می‌شوند. مقدار شاخص srmse مدل hw1 در مراحل واسنجی و آزمون به‌ترتیب 33 و 37 درصد و برای مدل hw2 به‌ترتیب 28 و 43 درصد برآورد شد، در‌حالی‌که همین شاخص برای دو مدل دیگر به‌ترتیب 71 و 50 و 58 و 50 درصد برآورد شد.