ارتقاء عملکرد مدلهای هوشمند جهت پیش بینی جریان رودخانه با استفاده از داده های سطح برف حاصل از تصاویر ماهواره ای

پیش بینی جریان رودخانه اثرات اقتصادی مهمی را بهمراه دارد بطوریکه میتواند به مدیریت آب در کشاورزی، جلوگیری از وقوع کمبودهای آبی و خسارتهای محتمل ناشی از سیل کمک کند. در نتیجه ارتقاء دقت این پیش بینیها امری ضروریست و اهمیت آن در حوضه های بزرگ و کوهستانی کشور همچون کارون بدلیل سطوح پوشیده از برف و تولید انرژی برقابی بارزتر میباشد. در این مقاله ابتدا با استفاده از آمار ماهانه هواشناسی و دبی ایستگاه پل شالو واقع در پایین دست سد کارون ٣، پی شبینی یک و دو ماه بعد جریان رودخانه کارون، توسط مدلهای هوشمندی نظیر شبکه های عصبی مصنوعی (ANN) و سیستم استنتاجی نرو فازی تطبیقی (ANFIS) و دو مدل ورودی انجام شد. مدل ورودی با بهترین عملکرد توسط شاخص های ارزیابی ضریب تعیین و ریشه میانگین مربعات خطا، بعنوان مدل منتخب شناسائی و اثر دادهه ای سطح برف بدست آمده از تصاویر ماهوارهای NOAA در یک، دو و سه ماه قبل بصورت منفرد و ترکیبی بر عملکرد مدل های هوشمند بررسی شد. نتایج پیش بینی های یک و دو ماه بعد جریان با داده های سطح برف، تاثیر عامل برف را برعملکرد مدلهای ANN ANFIS مثبت نشان داده است.

کلیدواژه ها:

پیشبینی جریان ، دادههای سطح برف ، مدلهای شبکه عصبی ، نرو -فاز ی ، تصاو یر ماهواره ای NOAA