پیش بینی آبدهی متوسط ماهانه با استفاده از مدل تلفیقی شبکه عصبی مصنوعی و تبدیلات موجک (مطالعه موردی: رودخانه کر- ایستگاه پل خان)

آگاهی از اطلاعات دبی جریان در رودخانه ها برای مدیریت منابع آب، پیش بینی سیل، طراحی مهندسی و مدیریت زیست محیطی ضروری می باشد. مدل های ارائه شده همچون بارش-رواناب و سری های زمانی به منظور پیش بینی میزان آبدهی رودخانه ها به دلیل عدم دقت و پیچیدگی عوامل موثر در آبدهی در بسیاری از موارد با مقادیر مشاهده شده تطابق ندارد. موجک یکی از روش هایی است که در سالهای اخیر در زمینه هیدرولوژی مورد توجه قرار گرفته است. همچنین موجک روشی بسیار موثر در زمینه آنالیز سیگنال ها و سری های زمانی می باشد. این مقاله به ارائه یک مدل هوشمند تلفیقی مبتنی بر شبکه عصبی مصنوعی و تبدیلات موجک می پردازد که برای شبیه سازی آبدهی متوسط ماهانه در رودخانه کر و ایستگاه پل خان مورد استفاده قرار می گیرد. عملکرد مدل های پیش بینی به کمک معیارهای جذر میانگین مربع خطا و ضریب تعیین مورد ارزیابی قرار گرفتند. نتایج نشان دادند که مدل تلفیقی شبکه عصبی مصنوعی و تبدیل موجک با 2 درجه تجزیه سازی برای مناسب ترین ساختار، بهترین نتایج را ارائه می کند. در این ساختار، آبدهی خروجی برای جریان در ماه بعد بر حسب آبدهی 4، 3، 2، 1 ماه قبل و ماه جاری محاسبه شده و مقادیر و به ترتیب برابر با 14 /7 مترمکعب بر ثانیه و 941 /0 به دست آمد.