مدل‌سازی تصادفی جریان رودخانه با استفاده از تحلیل سری‌های زمانی

مدل‌سازی تصادفی به‌عنوان یک چارچوب قدرتمند برای درک طبیعت پیچیده، پویا و عدم قطعیت جریان رودخانه عمل می‌کند. این مقاله به تحلیل دو مدل تصادفی سری زمانی شامل مدل‌های خودهمبسته میانگین متحرک و تحلیل طیفی در سری داده‌های جریان رودخانه می‌پردازد. مدل‌های مزبور در مدل‌سازی و پیش‌بینی داده‌های ماهانه جریان رودخانه در برخی ایستگاه‌های هیدرومتری حوزه آبریز اترک در بازه زمانی سال‌های 1360 تا 1398 بکار گرفته شده است. برآوردهای خطای پیش‌بینی‌ها یعنی ریشه میانگین مربعات خطا و میانگین خطاهای مطلق برای مقایسه دو مدل مزبور به منظور شناسایی مناسب‌ترین آنها استفاده شد. نتایج نشان داد مدل تجزیه و تحلیل طیفی جریان علیرغم سادگی حاکی از توصیف تغییرپذیری نسبتا خوبی از جریان است. در مرحله صحت سنجی، مدل خودهمبسته میانگین متحرک، خطای کمتری از سایر مدل‌ها نشان داد و لذا برای پیش‌بینی جریان ماهانه رودخانه در ایستگاه‌های مشابه توصیه می‌شود. در مجموع روش‌های کلاسیک داده‌کاوی ابزارهای ارزشمندی برای بهبود دقت پیش‌بینی‌های جریان رودخانه و فهم ارتباطات غیرخطی در سیستم‌های هیدرولوژیکی ارائه می‌دهند.