پیش بینی جریان روزانه ایستگاه بیانلو در حوضه آبریز رودخانه قزلاوزن با مدل های ریاضی و هوشمند

دبی رودخانه ها بدلیل تغییرات قابل توجه زمانی و مکانی در مطالعات هیدرولوژی و برنامه ریزی مدیریت منابع آب اهمیت فراوانی دارند. در علوم مهندسی آب، سعی بر این است که با از استفاده از داده های ثبت شده ی زمانی، اقدام به برآورد جریان رودخانه شود. افزایش دقت پیش بینی های یاد شده می تواند در برنامه ریزی دقیق تخصیص منابع آب موثر باشد. در این پژوهش از دو روش مدل توماس فرینگ و شبکه عصبی موجکی برای برآورد جریان رودخانه قزلاوزن در حوزه آبخیز قزل اوزن استفاده شده و کارایی آنها مقایسه گردید. برای این منظور داده های 29 ساله ی دبی رودخانه 1366-1394 به منظور مدل سازی استفاده گردید. برای مدل سازی با شبکه عصبی موجک 75 درصد از داده ها به عنوان داده های آموزش و 25 درصد نیز به عنوان داده های اعتبارسنجی مدل مورد استفاده قرار گرفتند. برنامه نویسی مدل ها درمحیط متلب انجام گردید. برای ارزیابی مدل به کار گرفته شده از معیارهای خطای ریشه متوسط مربعات، متوسط میانگین خطا ونش ساتکلیف استفاده شد. پس از مدل سازی هر ایستگاه داده های جریان آب برای 5 سال آینده پیش بینی گردید. نتایج بدست آمده نشانداد که پیش بینی مدل جریان با روش شبکه عصبی موجک با تاخیری دو ماه قبل جریان در رودخانه دارای دقت قابل قبول تر نسبت به مدل تو.ماس فرینگ بوده، به طوری که معیار ضریب تبیین به ترتیب برای توماس فرینگ و شبکه عصبی موجک برابر با 0/58 و0/90 بودند. همچنین از مقایسه دو مدل ملاحظه گردید که روش شبکه عصبی موجک نسبت به ریاضی عملکرد بهتری دارد.

کلیدواژه ها:

مدل ریاضی ، شبکه عصبی موجک ، تخمین جریان ، رودخانه تلوار