پیش بینی کم آبی ماهانه با استفاده از یک مدل استوکستیک و سیستم استنتاج فازی مبتنی بر شبکه تطبیقی

آگاهی از دبی جریان و پیش بینی آن به ویژه در مواقعی که رودخانه با کم آبی مواجه است امری ضروری در جهت مدیریت بهره برداری از رودخانه است. در این مقاله به منظور مدل سازی سری های زمانی تشکیل شده از کم آبی های ماهانه و پیش بینی مقدار و زمان وقوع کم آبی ها، از یک مدل استوکستیک متداول (مدل میانگین متحرک تجمعی خودبازگشت-ARIMA) و یک مدل مبتنی بر هوش مصنوعی (سیستم استنتاج فازی مبتنی بر شبکه تطبیقی-ANFIS) استفاده شده و نتایج حاصل از دو روش با یکدیگر مقایسه شده است. مقدار عددی کم آبی در هر ماه برابر با حداقل مقدار میانگین متحرکهای یک، سه و هفت روزه دبی جریان در همان ماه در نظر گرفته شد ه و بدین ترتیب سه سری زمانی یک، سه و هفت روزه از کم آبی های ماهانه به دست آمده است. بررسی عملکرد دو مدل یاد شده با استفاده از آمار ثبت شده از دبی جریان در خروجی حوضه آبریز معرف ناورود در استان گیلان نشان داد که مدل ARIMA عملکرد بهتری در پیش بینی کم آبی های یک، سه و هفت روزه دارد. علاوه بر این، نتایج این تحقیق نشان داد که هر دو مدل ARIMA و ANFIS کم آبی های سه روزه را با خطای کمتری نسبت به کم آبی های یک و هفت روزه پیش بینی می کنند.

کلیدواژه ها:

کم آبی ماهانه ، مدل سازی سری های زمانی ، ARIMA ، ANFIS ، حوضه معرف ناورود