آنالیز حساسیت پارامترهای تأثیرگذار بر جریان ماهانه با استفاده از مدل هیبرید موجک عصبی (مطالعه موردی: رودخانه قره سو)

رودخانه ها مهمترین منابع تأمین آب آشامیدنی، کشاورزی و صنعت به شمار می آیند و به علت اینکه از بسترها و مناطق مختلفی می گذرند و در ارتباط مستقیم با محیط پیرامون خود هستند، نوسانات زیادی دارند. علاوه بر آن پیش بینی جریان رودخانه، مخصوصاً در شرایط سیلابی، به مسئولان این امکان را خواهد داد که با آمادگی، خسارات ناشی از سیل را کاهش دهند. از این رو به پیش بینی دبی جریان ماهانه رودخانه قره سو از ایستگاه سامیان واقع در استان اردبیل با پارامترهای هواشناسی دبی، بارش و تبخیر از سال 1350 تا 1388 با چهار آرایش مختلف می پردازیم. در این تحقیق از مدل هیبرید موجک عصبی جهت پیش بینی دبی جریان ماهانه رودخانه قره سو طی یک دوره آماری تقریباً 35 ساله استفاده شده است. همچنین با استفاده از توان بالای موجک در شناسایی سیگنال ها و جداسازی سیگنال های خطا در ترکیب با شبکه عصبی مصنوعی برای پیش بینی دبی رودخانه مذکور مدل موجک عصبی مورد تجزیه و تحلیل قرار گرفت. لازم به ذکر است که در این مورد از موجک DB4 استفاده شده است. برای پیش بینی جریان ماهیانه رودخانه قره سو از ایستگاه سامیان واقع در استان اردبیل، با توجه به ویژگی های غیرخطی مقیاس های زمانی چند گانه، مدل هیبرید موجک عصبی پیشنهاد شده ا ست. با توجه به طبیعت غیرخطی و اتفاقی پدیده های هیدرولوژیکی، کاربرد شبکه های عصبی مصنوعی دراین علم کاملاً قابل توجیه است. استفاده از این تکنیک در شاخه های مختلف هیدرولوژی از جمله هواشناسی به دلیل عدم قطعیت درآمار نیز رو به افزایش می باشد. این پژوهش متشکل از سه گام اصلی می باشد که در گام ابتدایی با استفاده از نرم افزار شبکه عصبی به پیش بینی دبی جریان ماهانه رودخانه پرداخته و روش مورد نظر را بررسی می کنیم. سپس در ادامه در گام دوم با چهار ارایش (P-1) (E-1) (Q-1) و (Q-1) (P-1) و (E-1) (Q-1) که همگی با Target Q به بررسی مدل های موجک عصبی پرداخته ایم و در نهایت در گام سوم و نهایی نتایج آنالیز حساسیت پارامترهای تأثیرگذار بر جریان ماهانه با استفاده از مدل های هیبرید موجک عصبی را مطرح خواهیم کرد.

کلیدواژه ها:

دبی ، شبکه عصبی مصنوعی ، موجک (ویولت) ، موجک DB4