بررسی اثر رفع نوفه موجکی درشبیه سازی فرآیند بارش رواناب -مبتنی بر مدل شبکه عصبی مصنوعی

مدل سازی دقیق فرآیندهای هیدرولوژیکی از قبیل بارش– رواناب میتواند اطلاعات مهمی از یک حوضه آبریز برای برنامه ریزی شهری و محیط زیست،کاربری اراضی، مدیریت منابع آب و سیلاب فراهم کند. اخیراً در این راستا، مدلهایمختلف جعبه سیاه برای شبیه سازی چنین پدیده پیچیدهای به کاررفته اند. مدلهای داده محور وابستگی زیادی به کیفیت دادهها دارند و دادههای دارای نوفه کارایی مدلها را تحت تاثیر قرار داده ورفع نوفه از دادهها با استفاده از یک روش مناسب میتواند منجر به کارایی بهتر مدلهای داده محور شود. لذا دراین مقاله با استفاده ازروش رفع نوفه موجکی اقدام به رفعنوفه از سریهای زمانی روزانه و ماهانه کرده و سپس با تشکیل مجموعههای آموزشی مختلف رفع نوفه شده، شبیه سازی بارش رواناب ایستگاه پل آنیان واقع درحوضه آبریز زرینه رود در بالا دست سد بوکان، با استفاده از مدل جعبه سیاه –ANN انجام شده است. همچنین برای بررسی دقت مدل پیشنهادی، نتایج این مدل سازیها با مدل های کلاسیک جعبه سیاه ARIMA و MLR مورد مقایسه قرار گرفته است. مقایسه مدل های مختلف با استفاده از دو پارامتر آماری ضریب تبیین و جذرمیانگین مربعات خطا صورت گرفته است. نتاج نشان میدهند که رفع نوفه موجکی در مدل سازی با ANN به ترتیب موجب بهبود 61 و 52 درصدی در سری های زمانی روزانه و ماهانه، در مرحله آزمایش مدلها شده است

Keywords:

مدل سازی بارش رواناب , شبکه عصبی مصنوعی , رفع نوفه موجکی , ضریب تبیین , حوضه آبریز زرینه رود