ارزیابی پیش بینی دبی در مقیاس های زمانی مختلف

هدف از مطالعه حاضر پیش بینی جریان در دو ایستگاه هیدرومتری واقع شده بر روی رودخانه شاه بهرام و شیو واقع در استان کهگیلویه و بویراحمد کشور ایران، با استفاده از روش های شبکه های عصبی مصنوعی (MLP-ANN, RBF-ANN)، سری زمانی (SARIMA) و رگرسیون چندگانه (MLR) با تجزیه و تحلیل داده های هواشناسی (بارش، دبی، دما، تبخیر) می باشد. برای پیش بینی جریان تقریباً 80 درصد از داده های مشاهده ای برای آموزش و 20 درصد برای آزمایش درنظر گرفته شد. در روش آریما از بین مدل های مختلف روشی که کمترین آکائیک را داشته باشد به عنوان مدل بهینه انتخاب گردید. در مقایسه با نتایج حاصل سه روش شبکه عصبی مصنوعی و رگرسیون چند متغیره و سری های زمانی همانطور که مشاهده می شود مقادیر مجذور میانگین مربعات خطا و ضریب تبیین در روش شبکه عصبی مقادیر مناسب تری می باشد که بیانگر دقت روش شبکه عصبی مصنوعی در پیش بینی رواناب نسبت به دیگر روش ها می باشد. در مقایسه بین ایستگاه ها، در اغلب موارد ایستگاه پل بریم و در مقایسه بین مقیاس های زمانی، مقیاس روزانه بیشترین میزان ضریب همبستگی را در مدل ها ارائه نموده است.

کلیدواژه ها:

آریما ، پیش بینی ، شبکه عصبی مصنوعی ، رگرسیون ، مدلسازی ، حوزه آبخیز