پیش بینی دبی متوسط روزانه جریان رودخانه بهشت آباد با استفاده از آنالیز موجک

پیش بینی دبی رودخانه ها یکی از موارد کلیدی در برنامه ریزی و مدیریت منابع آب می باشد. در این مطالعه از دو روش مبتنی بر آنالیز موجک و شبکه عصبی مصنوعی ANN به منظور پیش بینی دبی جریان رودخانه بهشت آباد استفاده شد . بدین منظور، داده های دبی متوسط روزانه رودخانه مذکور و اطلاعات بارش روزانه مربوط به 17 ایستگاه هواشناسی در طول دوره آماری 2008-1999 استفاده گردید . در روش اول موسوم به روش موجک متقاطع، از موجک مختلط مورلت به عنوان تابع آنالیزگر استفاده شد . تجزیه موجک برای هر یک از سری های زمانی مجموع بارش روزانه و دبی متوسط روزانه جریان بصورت جداگانه انجام گرفت . مدل دبی جریان به ازای افق های پیش بینی 1 روز، 2 روز، 3 روز و 7 روز جلوتر بسط داده شد . در روش دوم موسوم به روش تلفیقی موجک و شبکه عصبی WNN ، ابتدا با استفاده از موجک گسسته میر، پردازش اولیه بر روی ماتریس ورودی اولیه انجام گرفت. سپس با نرمال سازی درایه های ما تریس ورودی اولیه، ماتریس ورودی ثانویه تشکیل گردد . ماتریس ورودی ثانویه و ماتریس هدف به یک شبکه سه لایه پیشخور با الگوریتم پس انتشار FFBP اعمال شدند . آموزش شبکه با استفاده از تابع آموزش لونبرگ مارکوارت LM انجام گرفت. نهایتا، پیش بینی جریان به ازای افق های زمانی کوتاه مدت انجام شد. نتایج نشان داد پیش بینی های مدل WNN در مقایسه با مدل های AN,CW از دقت بالاتری برخوردار می باشد. در مرحله تست، در مدل CW با کاهش افق پیش بینی از 7 روز به 1 روز مقدار آماره R2 از 0/5113 به 0/9388 افزایش و مقدار آماره RMSE از 17/9171 به 8/3226 مترمکعب بر ثانیه کاهش می یابد. در مدل ANN با کاهش افق پیش بینی از 7 روز به 1 روز مقدار آماره R2 از 0/6705 به 0/9166 افزایش و مقدار آماره RMSE از 5/9828 به 2/5600 مترمکعب بر ثانیه کاهش یافت . در حالیکه در مدل WNN با کاهش افق پیش بینی از 7 روز به 1 روز مقدار آماره R2 از 0/8424 به 0/9927 افزایش و مقدار آماره RMSE از 3/4678 به 0/8145 مترمکعب بر ثانیه کاهش یافت.