استفاده همزمان از سیگنال‌های اقلیمی و دمای سطح آب دریا در پیش‌بینی جریان (مطالعه موردی حوضه چشمهکیله)

با توجه به میزان منابع آب و سرانه مصرف، ایران از جمله کشورهایی است که در گروه کشورهای مواجه با کمبود آب قرار دارد. لذا، پیش‌بینی و برنامه‌ریزی منابع آب می‌‌تواند نقش بسزایی در تصمیم‌گیری‌های آینده برای چگونگی مصرف آب داشته باشد. امروزه یافته‌های محققین در ایجاد ارتباط قوی بین تغییرات بزرگ مقیاس اقلیمی‌ و پدیده‌های هیدرولوژیکی، ضرورت پرداختن به مباحث هیدرو‌اقلیم شناسی در هیدرولوژی را دو چندان نموده است و استفاده از روش‌های آماری و مدل‌های پیشرفته کمک قابل‌توجهی در جهت پیش‌بینی پدیده‌های هیدرولوژیکی داشته است. در این تحقیق، پیش‌بینی آبدهی فصل بهار در رودخانه چشمه کیله واقع در شهرستان تنکابن در شمال کشور به کمک سیگنال‌های اقلیمی‌ مرسوم مربوط به اقیانوس آرام و اطلس شامل ninoها، amo،soi ، nao و pdo و تغییرات دمای سطح آب دریای خزر (sst) در فصل زمستان با استفاده از مدل مفهومی‌ شبکه عصبی مصنوعی مورد بررسی قرار گرفت. خطای پیش‌بینی جریان رودخانه با مدل شبکه عصبی مصنوعی و ورودی سیگنال‌های اقلیمی‌ soinino4nino3.4 به روش مجذور میانگین مربع خطا برابر 8.61 مترمکعب بر ثانیه بدست آمد. این خطا با ورودی سیگنال nino3.4 به 3.31 مترمکعب بر ثانیه و همچنین خطای پیش‌بینی با ورودی بارندگی و دمای سطح آب دریای خزر تا 0.08 کاهش یافت.