علی دوانلو تاجبخش - کارشناس ارشد مهندسی و مدیریت منابع آب/ دانشکده مهندسی عمران، دانشگاه تبریز
وحید نورانی - استاد/ گروه مهندسی آب، دانشکده عمران، دانشگاه تبریز
امیر مولاجو - دانشجوی دکتری مهندسی و مدیریت منابع آب/ دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران (نویسنده مسئول)

فرآیند بارش- رواناب از مهمترین و پیچیده ترین پدیده ها در چرخه هیدرولوژی بوده لذا در مدل سازی آن، دیدگاه های متفاوتی برای توسعه و بهبود مدل های پیش بینی کننده ارائه گردیده است. بدیهی است درک صحیحی از رفتار حوضه می تواند نقش موثری در انتخاب مدل و همچنین صرفه جویی در زمان مربوط به امر شبیه سازی ایفا نماید. مطالعات پیشین نشان داده است که جهت مدل سازی حوضه های آرام که معمولا دارای الگوی منظم بارش هستند، مدل های چندخطی عملکرد قابل قبولی دارند. در این مطالعه ضمن معرفی مدل ترکیبی چندخطی موجک-درخت تصمیم، کارایی آن جهت مدل سازی فرآیند بارش-رواناب حوضه آبریز آجی چای مورد مطالعه قرار گرفت. در ابتدا سری های زمانی بارش و رواناب با استفاده از تبدیل موجک به چندین زیرسری تجزیه گشته تا بر ناایستایی آن غلبه گردد. سپس زیرسری های حاصله به عنوان ورودی به مدل M۵ درختی اعمال شد تا پس از طبقه بندی داده ها، رگرسیون مربوط به هر خوشه ارائه شود. در ادامه نتایج با سایر مدل ها (مدل های ANN، M۵ و WANN) مقایسه گردید که برای این منظور از دو معیار ریشه میانگین مربعات خطا و ضریب تبیین جهت ارزیابی نتایج استفاده شد. نتایج نشان داد که برای حوضه نسبتا آرام آجی چای عملکرد مدل ترکیبی پیشنهادی موجک-درخت تصمیم نسبت به مدل خام M۵ درختی تا ۶۹ درصد بهبود می یابد.

تبدیل موجک , درخت تصمیم , شبکه عصبی , مدلسازی بارش-رواناب