پیش بینی جریان رودخانه با استفاده از دادههای سنجش از دور و شبکه عصبی مصنوعی NARX (مطالعه موردی : رودخانه قره سو استان اردبیل )

پیش بینی جریان رودخانه برای برنامه ریزی و مدیریت منابع آب از اهمیت ویژهای برخوردار است ، به ویژه در مناطق خشک که منابع آب با محدویت های همراه هستند. در سالهای اخیر روشهای برگرفته شده از شبکه های عصبی مصنوعی به طور گسترده در طیف وسیعی از مطالعات انجام گرفته در زمینه هیدرولوژی مورد استفاده قرار گرفته اند. یکی از این مدلها، مدل NARX می باشد. این مدل یک مدل سری زمانی خودهمبسته است که در یک سیستم شبکه عصبی پیشخور توانایی مدلسازی الگوهای غیرخطی را به خوبی انجام می دهد. در این مطالعه از دادههای با طول دوره ۱۰ ساله در حوضه بالادست ایستگاه هیدرومتری سامیان برروی رودخانه قرهسو استفاده شدهاست ؛ دادههای هدف مربوط به دادههای مشاهداتی در ایستگاه هیدرومتری و دادههای ورودی از طریق سنجش از دور استخراج شدند. متغیرهایی که از پایگاههای داده سنجش از دور با گام زمانی روزانه استخراج شدند عبارت است از: شاخص پوشش گیاه (کم و زیاد)، حجم آب موجود در خاک، رواناب و بارش. مدل نهایی با استفاده از مدل NARX با ۳ گام زمانی تاخیر روزانه و با ۱۵ لایه میانی ساخته شد. نتایج به دست آمده توسط آمارههای ارزیابی r، RMSR و NSE نشانداد که دقت مدل در مرحله آموزش (۵ سال اول) به ترتیب با ۹۴/۰ ،۰۳۵/۰ و ۸۸۷/۰ و در مرحله تست (۵ سال دوم) به ترتیب با ۸۹/۰، ۰۵۷/۰ و ۷۸۷/۰ برابر هستند. با توجه به این نتایج و مقایسه با تحقیقات مشابه ، مشخص شد که مدل NARX در استفاده با دادههای سنجش از دور، توانایی خوب و قابل قبولی را در پیش بینی جریان رودخانه دارد.

کلیدواژه ها:

دادههای ماهواره ای ، دبی رودخانه ، شبیه سازی ، مدل نارکس ، GEE ، .ANN