پیش بینی جریان ماهانه رودخانه با استفاده از ترکیب مدل های خطی سری زمانی و شبکه های بیزین (مطالعه موردی: رودخانه بختیاری)

یکی از مسائل مهم در مدیریت منابع آب، تهیه و توسعه مدل های مناسب به منظور پیش بینی دقیق تر فرآیند جریان رودخانه ها می -باشد. بدین منظور در مطالعه حاضر برای پیش بینی جریان ماهانه رودخانه بختیاری، در دوره آماری ۱۳۹۵-۱۳۳۴، از مدل های سری-زمانی خطی (ARMA)، مدل هوشمند شبکه بیزین (BN) و مدل تلفیقی BN-ARMA استفاده شد. عملکرد مدل های توسعه یافته براساس شاخص های آماری جذر میانگین مربعات خطا (RMSE)، ضریب همبستگی (CC) و آماره کلینگ- گوپتا (KGE) مورد ارزیابی قرار گرفتند. از بین مدل های سری زمانی برازش یافته به داده ها، مدل AR(۳) با داشتن کمترین مقدار معیار اکایکه اصلاح شده برابر با ۳/۱۰۸۹ به عنوان مدل مناسب سری ماهانه جریان انتخاب گردید. نتایج نشان داد که مدل AR(۳) با خطای ( ) ۷۸۶/۴۷ از عملکرد قابل قبولی برخوردار است. برای مدل سازی جریان ماهانه رودخانه با استفاده از مدل BN از حافظه های دبی یک ماه قبل، دو ماه قبل تا پنج ماه قبل استفاده شد. نتایج نشان داد که با توالی سه ماه جریان عملکرد مدل به بهینه ترین حالت ممکن رسیده و با افزایش تعداد ورودی ها عملکرد آن تضعیف می شود. ضریب همبستگی، جذر میانگین مربعات خطا و KGE در بهترین حالت مدل BN در مرحله آزمون به ترتیب ۸۲۶/۰ و ( ) ۳۰۳/۴۵ و ۷۸۹/۰ می باشد. در مرحله بعد تلفیق مدل های BN و ARMA(۳,۰) انجام شد. نتایج حاصل نشان داد که مدل تلفیقی BN-ARMA به طور قابل ملاحظه ای دقت مدل سازی را افزایش داده و خطای پیش بینی را از ( ) ۳۰۳/۴۵ به ( ) ۰۲۱/۱۵ کاهش داد.

کلیدواژه ها:

آزمون ایستایی ، الگوی ورودی ، توسعه مدل ، شبکه بیزین