مدل سازی بارش- رواناب با استفاده از روش تلفیقی موجک-شبکه عصبی مصنوعی (مطالعه موردی: حوضه آبریز کارون 4)

مدلسازی فرآیند بارش-رواناب و پیش بینی دبی رودخانه یک اقدام مهم در مدیریت و مهار سیلابها، طراحی سازه های آبی در حوضه های آبریز و مدیریت خشکسالی است. در این تحقیق از مدل هیبرید موجک-عصبی (WNN) بمنظور نخمین جریان ماهانه در حوضه آبریز کارون 4 استفاده شد. بدین منظور داده های بارش، دما و دبی ماهانه از سال 2005 -1984 به کار گرفته شد. پس از محاسبه ضرایب همبستگی متقابل متغیرهای بارش، دما و دبی، شش الگوی مختلف بهمنظور تخمین رواناب ماهانه تعیین شد. عملکرد مدل هیبرید موجک- عصبی با مدلهای شبکه عصبی مصنوعی (ANN) و فازی- عصبی تطبیقی (ANFIS) بر اساس معیارهای آماری ضریب تبیین (R) و میانگین مربعات خطا (MSE) مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل هیبرید موجک- عصبی با R=0/95 و MSE=0/0022، فرآیند بارش رواناب را با دقت بالاتری نسبت به سایر مدلهای مورد بررسی پیش بینی کرده است.

کلیدواژه های مدل سازی بارش- رواناب با استفاده از روش تلفیقی موجک-شبکه عصبی مصنوعی (مطالعه موردی: حوضه آبریز کارون 4):

مدل بارش- رواناب ، موجک ، شبکه عصبی مصنوعی ، مدل فازی عصبی تطبیقی ، کارون 4