مقایسه مدل های مختلف فصلانه در مدل سازی بارش-رواناب

مدلهای بارش ـ رواناب ازاهمیت ویژه ای درمدل سازی هیدرولوژیکی برخوردار هستند و بهدلیل ماهیت غیرخطی و خاصیت تصادفی پدیده های مرتبط با بارش ـ رواناب پیدا کردن مدلی که بتواند درعین سادگی خصوصیات حوضه را هم درخود بگنجاند و پیش بینی دقیقتر دراختیار قراردهد موردتوجه است باتوجه به اینکه سری های زمانی هیدرولوژیکی دارای سه جزاصلی خودهمبسته فصلانه و تصادفی می باشند و رفتارمدلهایی که تاکنون ارایه شدها ند نسبت به این اجزا متفاوت بوده است ادراین مقاله برای مدلسازی ازداده های بارش و رواناب حوضه Murrumbidgee استرالیا درمقیاس زمانی ماهانه استفاده شده است که شامل مدلهای خطی ARIMA ( Autoregressive integrated moving average SARIMA ( (Seasonal ARIMA و همچنین مدلهای غیرخطی شبکه عصبی مصنوعی Artificial Neural Network) ANN و تلفیق موجک و شبکه عصبی مصنوعی WANN ( Wavelet-ANN می باشد درانتها همه ی مدلها براساس معیارهای رایج نیکویی برازش بایکدیگر مقایسه میشوند

کلیدواژه ها:

مدلسازی فصلانه بارش ـ رواناب /SARIMA ، ANN ، WANN /حوضهMurrumbidgee استرالیا