ارزیابی کارایی دو مدل نروفازی و هیبرید موجکی- عصبی در پیش بینی جریان رودخانه (مطالعه موردی: حوضه محمد آباد)

از مهم­ترین مسائل در مدیریت حوزه­ های آبخیز، پیش­بینی فرآیندهای هیدرولوژیکی بارش- رواناب می­باشد. استفاده از مدل­های جدید در این زمینه می ­تواند به مدیریت و برنامه­ریزی صحیح کمک کند. علاوه بر آن پیش­بینی جریان رودخانه، مخصوصا در شرایط سیلابی، به مسئولان این امکان را خواهد داد که با آمادگی خسارت ناشی از سیل را کاهش دهند. با توجه به اهمیت پیش‎بینی جریان رودخانه در مدیریت منابع آب روش­های مختلفی برای مدل کردن جریان رودخانه ­ها به ­کار برده می شوند، تا بتوان با به­ کارگیری این مدل در مدیریت خشکسالی و سیلاب خسارات ناشی از آن­ها را به حداقل ممکن رساند. در این مطالعه برای پیش­بینی سری زمانی جریان روزانه ایستگاه آب سنجی سرمو واقع بر رودخانه محمدآباد، مدل نروفازی و هیبرید موجکی- عصبی مورد استفاده قرار گرفت. برای این هدف سری زمانی اصلی به مدت ۲۸ سال به­ وسیله تبدیل موجکی به سه زیر سری و با موجک مادر دابچیز نوع چهارم انجام شد. مقدار ضریب همبستگی در مدل نروفازی ۸۸/۰ و در مدل هیبرید موجکی-عصبی ۹۵/۰ به­دست آمده است و نیز پارامترهای ارزیابی RMSE، MSE، NS در مدل موجکی- عصبی به ­ترتیب ۰۰۴/۰، ۰۴۳/۰ و ۹۱/۰ و در مدل نروفازی به ترتیب ۳۲/۰، ۱۰/۰ و ۷۷/۰ بدست آمد. در نهایت نتایج حاصل از تبدیل موجکی- عصبی با نتایج حاصل از نروفازی، مقایسه و ملاحظه شد که روش موجکی- عصبی نسبت به روش نروفازی دقت پیش­بینی بالاتری دارد.

کلیدواژه ها:

Daily flow time series ، Flow forecasting ، Neuro-fuzzy model ، Wavelet -neural model ، پیش بینی جریان ، سری زمانی جریان روزانه ، مدل نروفازی ، مدل هیبرید عصبی- موجکی