پیش‌بینی دبی رودخانه با استفاده از روش ترکیبی حافظه طولانی- کوتاه مدت، تبدیل موجک و تجزیه مدتجربی در اقلیم نیمه‌خشک و مرطوب

نویسندگان

1 دانشجوی دکتری آب و سازههای هیدرولیکی، دانشکده عمران، دانشگاه تبریز

2 استاد، گروه مهندسی آب، دانشکده عمران، دانشگاه تبریز، تبریز، ایران.

doi
چکیده

کشور ایران با اقلیمی خشک و نیمه‌خشک با سیل‌های مخرب، خشک‌سالی و کم‌آبی روبرو است. خشک‌سالی و سیلاب‌ها می‌تواند محیط‌زیست، فعالیت‌های اقتصادی و اجتماعی را تحت تأثیر قرار دهد. بنابراین بررسی و پیش‌بینی دبی رودخانه‌ها و برنامه‌ریزی مدیریتی به‌منظور کنترل آن مخصوص مصرف آب در آینده بسیار ارزشمند است. در این پژوهش، تغییرات دبی رودخانه با استفاده از داده‌های آماری از سال 2001 تا 2020 مدل‌سازی شد. داده‌های آماری مربوط به ایستگاه‌های سینوپیک و هیدرومتر یک منطقه نیمه‌خشک در استان آذربایجان غربی شهرستان ارومیه و مرطوب در استان مازندران شهرستان آمل استفاده شد. از دوازده مدل زمانی تعریف‌شده برای شبکه (long short-term memory)یا به‌اختصارLSTM بهترین مدل مشخص شد. سپس مدل‌سازی LSTM بر پایه روش‌های پیش پردازنده تبدیل موجک گسسته(Discrete Wavelet Transform) به‌اختصارDWT و تجزیه مد تجربی کامل (Complementary Ensemble Empirical Mode Decomposition) به‌اختصار (CEEMD) انجام شد. نتایج حاصل نشان داد که مدل‌ منتخب قابلیت و کارایی بالایی در تخمین میزان دبی رودخانه را دارد. از طرفی دیگر روش‌های پیش پردازنده باعث بهبود نتایج شدند. به‌طوری‌که در تبدیل موجک معیار ارزیابی DC مدل برتر در رودخانه نازلو از 93/0 به 95/0 و در رودخانه چالوس از 83/0 به 90/0 افزایش یافت. بهترین حالت ارزیابی برای داده‌های آزمون با استفاده از تبدیل موجک برای رودخانه نازلو در اقلیم نیمه‌خشک با معیارهای ارزیابی 977/0R= و 954/0DC= و 018/0RMSE= به دست آمد. همچنین با توجه به نتایج آنالیز حساسیت مشخص شد پارامتر دبی یک روز قبل ، تأثیرگذارترین پارامتر در تخمین دبی روزانه است.