مدل سازی پیش بینی جریان ورودی به مخزن سد در ۱۲ ماه آتی برای بهبود مدیریت مخزن سد علویان

با توجه به نقش اساسی آب در زندگی بشر و محدودیت های منابع آب، برآورد دقیق میزان پتانسیل منابع آب و استفاده بهینه از آن، یک مسئله مهم و قابل توجه در محافل علمی و صنعت آب است. پیش بینی چند ماه آینده جریان ورودی به مخزن سدها موجب بهبود مدیریت بهره برداری از مخزن سدها می گردد؛ بنابراین پیش بینی جریان آب ورودی به مخازن سدها با دقت بالا، با استفاده از مدل های مبتنی بر هوش مصنوعی و روش های نوین روز، ضروری می باشد. در این مقاله از توانایی مدل شبکه عصبی مصنوعی ((ANN) Artificial Neural Network) با انتشار برگشتی خطا و از سایر مدل های مبتنی بر داده کاوی در بستر نرم افزار WEKA (Waikato Environment for Knowledge Analysis) در مدل سازی پیش بینی چند گام بعد (تا ۱۲ ماه بعد) با به کارگیری ورودی های مشاهداتی استفاده شده است. در انتها، کارآیی همه مدل ها با استفاده از معیارهای ارزیابی بررسی شده و مدل ها با یکدیگر مقایسه شده اند. هدف این مقاله، پیش بینی چند ماه آینده جریان ورودی به مخزن سد علویان می باشد. در این تحقیق، ورودی های مدل شامل رواناب ورودی به مخزن سد، دما، تبخیر، بارش و پوشش برف حوضه آبریز سد و شاخص های خشک سالی می باشد و این داده ها به صورت ماهانه و به مدت ۲۵ سال (۱۳۷۶-۱۴۰۱) استفاده گردیده است. مقایسه نتایج مدل ANN با سایر مدل های RF، RT، GP و SM در مرحله صحت سنجی، نشان دهنده این است که در همه گام ها، نتایج پیش بینی برای همه مدل ها مناسب بوده است و از بین ۵ مدل که نتایج آن ها باهم مقایسه گردیده است، نتایج متوسط ضریب همبستگی مدل های ANN و RF و RT به ترتیب ۸۵%، ۹۰% و ۸۳% در مقایسه با سایر مدل ها در پیش بینی جریان ورودی به مخزن سد علویان در چند گام بعد (۱ تا ۱۲ ماه) مناسب و نزدیک به داده های مشاهداتی به ویژه در نقاط پیک بوده است.

کلیدواژه ها:

پیش بینی جریان ورودی ، مدل سازی چند گام ، ANN ، نرم افزار WEKA ، مخزن سد علویان