فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی جریان رودخانه برای برنامه‌ریزی‌ و مدیریت سیستمهای منابع آب بسیار حائز اهمیت بوده و میزان دقت انجام این فرآیند در درستی پیاده‌سازی اهداف برنامه‌ریزی شده نقشی بنیادین دارد. از‌طرفی، محاسبات نرم قابلیت بالایی در مدلسازی فرآیند‌های هیدرولوژیک دارد. ازینرو، در این پژوهش، مدل ترکیبی موجک-برنامه‌ریزی بیان‌ژن در مقایسه با رویکرد منفرد آن توسعه داده شده، تا جریان روزانه رودخانه خشکرود واقع در استان گیلان، را پیش‌بینی کند. بدین منظور، علاوه بر فرآیند پیش‌پردازش دادههای هیدرومتری، تأثیر پارامترهای هواشناسی در عملکرد و کارایی مدل نیز بررسی شده است. همچنین، پیش‌پردازش با ویژگی‌های مختلف و پیش‌بینی برای چهار زمان یک، دو، سه و شش روز انجام شد. برای ارزیابی عملکرد مدلها از شاخصهای آماری ضریب همبستگی(R)، شاخص توافق(Ia)، ضریب ناش-ساتکلیف(NSE)، خطای مطلق میانگین(MAE)، جذر متوسط مربعات خطا(RMSE) و معیار جریان حدی(PFC) استفاده شد. نتایج نشان میدهد که استفاده از موجک برای پیش‌پردازش دادهها موجب ارتقای قابل ملاحظه کارایی مدل ترکیبی در مقایسه با مدل منفرد شده است، به گونه ایکه ضریب همبستگی دادههای ارزیابی برای زمان پیش‌بینی سه روز از 0/27 به 0/80 افزایش و همزمان خطای مطلق میانگین از 1/4 به 0/80 مترمکعب در ثانیه کاهش یافته است. از طرف دیگر، پارامترهای هواشناسی موجب شدند که مقادیر حدی در سری زمانی دادههای دبی رودخانه بخوبی پیش‌بینی شده و کارایی مدل در پیش‌بینی مقادیر مذکور به مقدار قابل ملاحظه ای ارتقا یابد. نتایج حاصل از این مطالعه بیانگر آن است که رویکرد ترکیبی موجک- برنامه‌ریزی‌ بیان‌ژن در ترکیب با پارامترهای هواشناسی، میتواند با کارایی بالایی در پیش‌بینی جریان بکار رود.