استفاده همزمان از سیگنال های اقلیمی و دمای سطح آب دریا در پیش بینی جریان (مطالعه موردی حوضه چشمه-کیله)

با توجه به میزان منابع آب و سرانه مصرف، ایران از جمله کشورهایی است که در گروه کشورهای مواجه با کمبود آب قرار دارد. لذا، پیش بینی و برنامه ریزی منابع آب می تواند نقش بسزایی در تصمیم گیری های آینده برای چگونگی مصرف آب داشته باشد. امروزه یافته های محققین در ایجاد ارتباط قوی بین تغییرات بزرگ مقیاس اقلیمی و پدیده های هیدرولوژیکی، ضرورت پرداختن به مباحث هیدرو اقلیم شناسی در هیدرولوژی را دو چندان نموده است و استفاده از روش های آماری و مدل های پیشرفته کمک قابل توجهی در جهت پیش بینی پدیده های هیدرولوژیکی داشته است. در این تحقیق، پیش بینی آبدهی فصل بهار در رودخانه چشمه­کیله واقع در شهرستان تنکابن در شمال کشور به کمک سیگنال های اقلیمی مرسوم مربوط به اقیانوس آرام و اطلس شامل Ninoها، AMO،SOI ، NAO و PDO و تغییرات دمای سطح آب دریای خزر (SST) در فصل زمستان با استفاده از مدل مفهومی شبکه عصبی مصنوعی مورد بررسی قرار گرفت. خطای پیش بینی جریان رودخانه با مدل شبکه عصبی مصنوعی و ورودی سیگنال های اقلیمی SOI-NINO۴-NINO۳.۴ به روش مجذور میانگین مربع خطا برابر ۶۱/۸ مترمکعب بر ثانیه بدست آمد. این خطا با ورودی سیگنال NINO۳.۴ به ۳۱/۳ مترمکعب بر ثانیه و همچنین خطای پیش بینی با ورودی بارندگی و دمای سطح آب دریای خزر تا ۰۸/۰ کاهش یافت.

کلیدواژه ها:

ANN model ، Caspian Sea Surface Temperatures ، Standard Climatic Signals ، Stream flow forecasting