مهدی مصطفی زاده ارجمند - دانشجوی دکترای تخصصی گروه عمران،آب و سازه های هیدرولیکی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
احمد شرافتی - استادیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

آب یکی از حیاتی ترین نیازهای بشر بوده که با افزایش جمعیت و ضرورت رشد کشاورزی و صنعت حساسیت آن را روز به روز بیشتر کرده است. بنابراین دبی جریان رودخانه به عنوان یکی از مولفه های مهم در چرخه هیدرولوژی که در ارتباط مستقیم با محیط زیست قرار دارد، نقش اساسی در فرآیندهای فیزیکی، اکولوژیکی، اجتماعی و اقتصادی ایفا می نماید. اهمیت پیش بینی جریان رودخانه در مدیریت منابع آب حوزه هایی که حجم بیشتر بارش در فصول خاصی اتفاق افتاده و باقی ماه های سال بدون بارندگی می باشد چشمگیرتر است. از طرفی، سرشت متغیر و پیچیده ی فرآیندهای طبیعی، محققان را ملزم به استفاده از روش های متعددی جهت توصیف متغیرهای هیدرولوژیک و پیش بینی گام های زمانی آن نموده است. توسعه تکنیک های مختلف جهت پیش بینی کوتاه مدت و بلندمدت دبی سالانه، ماهانه، روزانه و ساعتی جریان با افق زمانی کمتر از هفت روز تا چندین ماه سابقه طولانی دارد. در این تحقیق، نتایج حاصل از پیش بینی داده های روزانه دبی رودخانه صوفی چای با شبکه عصبی و سری زمانی مورد مقایسه قرار گرفته است. به منظور شبیه سازی از روش آماری سری زمانی در قالب الگوی AR ، MA و ARIMA مورد ارزیابی قرار گرفته اند که در این میان مدل 2.2 ARIMA با ضریب AIC برابر با 14573/26 واریانس باقیمانده (فرمول در متن اصلی مقاله) به عنوان مدل برتر جهت پیش بینی دبی رودخانه مورد استفاده قرار گرفت. از سوی دیگر دو مدل شبکه عصبی جهت پیش بینی دبی رودخانه صوفی چای با نرم افزار MATLAB طراحی شده و در هر مدل سی سناریو مختلف متفاوت از نظر تعداد نورن راه اندازی گردید و با استفاده از مقادیر R ، MSE و RMSE مدل برتر جهت پیش بینی انتخاب گردید در مدل برتر مقادیر مذکور به ترتیب برابر با 0/9376، 0/016،0/124 است. در ادامه با مقایسه مدل برتر سری زمانی و مدل برتر شبکه عصبی، نتایج نشان داند که مدل ARIMA2,2, نسبت به شبکه عصبی از دقت بالاتری برخوردار بوده و قادر است دبی روزانه رودخانه صوفی چای را بهتر پیش بینی نماید.

پیش بینی ، دبی ، رودخانه صوفی چای، شبکه عصبی، سری زمانی