کاربرد مدل های هیبریدی ریاضی فراکاوشی به منظور تخمین بارش ماهانه

پیش بینی دقیق بارش به عنوان یکی از اجزای اصلی چرخه هیدرولوژی، از مسائل مهم در مدیریت منابع آب های سطحی به ویژه اتخاذ تدابیرمناسب در مواقع سیلاب و بروز خشکسالی ها به شمار می رود. در این تحقیق به منظور پیش بینی بارش ماهانه در دو ایستگاه اصلی سینوپتیکی استانآذربایجان شرقی طی یک دوره آماری 42 ساله از مدل ترکیبی موجک- برنامه ریزی بیان ژنW-GEP که تلفیق آنالیز موجک و برنامه ریزی بیان ژن GEP می باشد، درمقیاس های زمانی مختلف در 6 ترکیب متفاوت شامل بارش ماهانه، میانگین ماهانه متوسط دما، متوسط فشار و میانگین رطوبت نسبی استفاده گردید تا بهترین حالت ممکن جهت پیش بینی انتخاب و ساختار بهینه معرفی گردد. سپس نتایج حاصل، با مدل های شبکه عصبی مصنوعی ANN برنامه ریزی بیان ژن و رگرسیون خطی چند متغیره MLR مقایسه گردید. عملکرد مدل ها توسط شاخص های آماری ضریب همبستگیR ریشه مربع خطاRMSE ارزیابی گردید. نتایج این تحقیق نشان داد که مدل ترکیبی موجک-برنامه ریزی بیان ژن باضرایب همبستگی0/839و0/786 که به ترتیب مربوط به ایستگاه های جلفا و سراب می باشند، توانایی بیشتری در پیش بینی بارش ماهانه نسبت به سایر مدل ها دارد. نتایج حاصل، حاکی از توانایی موجک در بالا بردن دقت مدل می باشد.

Keywords:

بارش ماهانه , استان آذربایجان شرقی , شبکه عصبی مصنوعی , موجک- برنامه ریزی بیان ژن