پیش بینی جریان روزانه رودخانه با استفاده از مدل های داده محور

پیش­بینی صحیح جریان روزانه رودخانه یک ابزار مناسب برای برنامه­ریزی و مدیریت منابع آب سطحی می­باشد.  به کارگیری مدل­هایی مانند مدل درختی M۵ و برنامه­ریزی بیان ژن (GEP) که معادلات صریحی را برای پیش­بینی ارایه می­کنند موجب افزایش کارایی مدل­های پیش­بینی می­شود. در این مطالعه جهت پیش بینی دبی جریان روزانه رودخانه، حوضه آب­ریزگالیکش از مناطق سیل خیز استان گلستان به عنوان منطقه مطالعاتی استفاده شد. داده های بارش و دبی جریان روزانه ایستگاه های هواشناسی و هیدرومتری گالیکش در یک دوره آماری ۲۶ ساله (۱۳۸۸-۱۳۶۳)، استفاده و متغیرهای مستقلی از بارش و دبی جریان روزانه یک تا پنج گام زمانی قبل تشکیل شد و بر اساس آن­ها پیش­بینی دبی جریان روزانه با سه  مدل درختی M۵ و برنامه­ریزی بیان ژن و مدل شبکه عصبی مصنوعی پرسپترون انجام شد. نتایج نشان داد که هر سه مدل دارای کارایی مناسب می­باشند و هم­چنین میزان جریان را بیش­تر از مقادیر مشاهداتی برآورد می­کنند. مقایسه نتایج مدل­های مختلف نشان­دهنده برتری نسبی مدل درختی M۵ نسبت به مدل­های دیگر می­باشد. در حالت کلی می­توان گفت که هر سه روش مذکور ضمن رقابت با یکدیگر نتایج نسبتا دقیقی را جهت پیش­بینی جریان روزانه در منطقه مورد نظر ارایه می­کنند ولی به دلیل ارایه روابط خطی ساده و قابل فهم توسط مدل درختی M۵، این روش می­تواند به عنوان روشی کاربردی و جایگزین برای پیش­بینی جریان روزانه مورد توجه قرار گیرد.  

کلیدواژه ها:

برنامه ریزی بیان ژن ، پیش بینی جریان ، حوضه گالیکش ، شبکه عصبی مصنوعی ، مدل درختی M۵ ، مدل های داده محور