مهدی کماسی - دانشکده مهندسی، گروه مهندسی آب و سازه های هیدرولیکی، دانشگاه آیت اله العظمی بروجردی (ره)، بروجرد
ندا قشلاقی - گروه سازه های آبی، دانشگاه بوعلی سینا، همدان
سروش شرقی - گروه مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی، دانشگاه آیت اله العظمی بروجردی (ره)، بروجرد

چالش منابع آب امروزه مشکل بسیاری از کشورهای خاورمیانه است و این واقعیت در مورد دریاچه ارومیه که تراز سطح آب آن، با توجه به تغییرات بارش، خشک سالی و سدسازی دچار تغییرات و نوسانات زیادی شده است، دارای اهمیت بیشتری می باشد. هدف اصلی این مقاله بررسی قابلیت روش پویایی سیستم، SD (System Dynamic)، برای پیش بینی نوسانات سطح آب با استفاده از شبکه عصبی فازی تطبیقی موجکی، WANFIS (Wavelet Adaptive Neuro-Fuzzy Inference Systems)، می باشد. به همین دلیل، یک مدل شبیه سازی بر پایه پویایی سیستم برای حوضه آبریز دریاچه ارومیه توسعه داده شد. سپس، برای پیش بینی سطح آب، عوامل موثر بر آن مانند بارش، دبی و تبخیر با استفاده از مدل WANFIS پیش بینی شده و نتایج حاصل از پیش بینی وارد مدل پویایی سیستم می گردد و سپس سطح آب محاسبه می شود. نتایج مدل ­سازی نشان داد که مدل ترکیبی پویایی سیستم و شبکه عصبی فازی تطبیقی موجکی (SD-WANFIS) دارای عملکرد مناسبی می باشد. مقادیر شاخص های آماری مانند جذر میانگین مربعات خطا و ضریب تبیین برای مدل ترکیبی پویایی سیستم و شبکه عصبی فازی موجکی در مرحله صحت­ سنجی به ­ترتیب ۳۱/۰ متر و ۸۴/۰ می باشد. درحالی ­که این شاخص ­ها برای مدل جعبه سیاه خطی خود همبسته میانگین متحرک تلفیق شده، ARIMA (Auto Regressive Integrated Moving Average) برابر ۶۱/۰ متر و ۵۳/۰ می باشند. این نتایج نشان داد که ترکیب این دو مدل SD و مدل فازی WANFIS جهت پیش بینی با دقت مناسب، مفید می باشد.

پویایی سیستم, موجک, شبکه عصبی فازی تطبیقی, پیش بینی تراز سطح آب, دریاچه ارومیه