اثر توام نوسانات فصلی دمای سطح آب خلیج فارس و دریای مدیترانه بر پیش‌بینی آبدهی ماهانۀ رودخانۀ کرخه

در مقاله حاضر، اثر توام نوسانات فصلی دمای سطح آب خلیج فارس و دریای مدیترانه بر پیش‌بینی آبدهی ماهانه رودخانه کرخه بررسی شده است. در این راستا، روش داده‌کاوی تجزیه به مقادیر منفرد (svd) برای تشخیص گره‌های اثرگذار دریاها بر اقلیم منطقه و ایجاد سری‌های زمانی هم‌بسته از دمای سطح آب و جریان رودخانه استفاده شده است. همچنین، مدل شبکه عصبی رگرسیون تعمیم‌یافته (grnn) بر مبنای صحت‌سنجی متقاطع برای تشخیص بهترین پیش‌بینی‌کننده‌های جریان از میان ترکیب‌های مختلف پیش‌بینی‌کننده‌ها برای هر ماه به‌کار رفته است. نتایج پیش‌بینی آبدهی در محل ورودی به سد گرشا نشان می‌دهد که دمای پاییزه سطح آب مدیترانه بر آبدهی بهمن تا فروردین و دمای تابستانه و پاییزه خلیج فارس بر آبدهی فروردین و اردیبهشت اثرگذار است، به‌طوری‌که به‌کارگیری این دو متغیر در پیش‌بینی آبدهی فروردین و اردیبهشت به طور متوسط سبب افزایش 118 و 282 درصدی شاخص نش در مراحل واسنجی و صحت‌سنجی می‌شود.

The Combined Effect of Seasonal Fluctuations of Persian Gulf and Mediterranean Sea Surface Temperature on Monthly Streamflow Forecasting of Karkheh River, Iran

In the current paper, the combined effect of seasonal fluctuations of Persian Gulf and Mediterranean Sea Surface Temperatures (SSTS) on the forecast of monthly streamflow of Karkheh River has been investigated. To follow the purpose, Singular Value Decomposition method (SVD) has been made use of to determine the effective nodes of the seas on the climate of the region and to produce the correlated series of sea surface temperatures vs streamflow’s. Moreover, Generalized Regression Neural Network method (GRNN) based on crossvalidation technique has been applied to determine the most appropriate predictors from same several combinations of predictors for each month. Results for the forecast of the inflow in to Garsha dam show that the Mediterranean sea SST, during autumn, affects the streamflow from February to April, and while summer and autumn SSTs of Persian Gulf affect the streamflow in April and May such that applying these two indices for streamflow forecast in April and May results in an average increase of 118% vs 282% in NashSutcliff index during calibration vs validation phases, respectively.