مقایسه پیش بینی دبی ماهانه رودخانه سفید با استفاده از مدل های سری زمانی و هوش محاسباتی

شبیه سازی جریان رودخانه به منظور آگاهی از آورد رودخانه در دوره های زمانی آینده از مسایل مهم و کاربردی در مدیریت منابع آب می باشد. در این پژوهش جریان رودخانه سفید در ایستگاه دهکده سفید با استفاده از مدل های سری های زمانی با تکنیک خود همبسته میانگین متحرک (ARIMA) و روش های هوش محاسباتی با تکنیک هوش مصنوعی (ANN)پیش-بینی شد. در مدل ARIMA تنها پارامتر ورودی دبی ماهانه و در مدل شبکه عصبی مصنوعی چهار پارامتر بارش ، دما ، تبخیر و رطوبت نسبی ماهانه به عنوان پارامترهای ورودی استفاده شدند. مدل ARIMA بر اساس معیار آکاییک (AIC) به صورت ARIMA(26,24,24) در نظر گرفته شد. در این پژوهش شبکه عصبی مصنوعی پیش خور پس انتشار خطا با دو لایه میانی انتخاب شد. برای آموزش شبکه از دو الگوریتم آموزشی شیب توام مقیاس شده و لونبرگ مارکوآرت استفاده شد. نتایج حاصل از این دو مدل با دو معیار میانگین مربعات خطا (MSE) و ضریب همبستگی (R) مقایسه شدند. نتایج نشان داد که مدل شبکه عصبی مصنوعی با الگوریتم آموزشی LM با مقادیر MSE و R به ترتیب 0.001 و 0.71 نسبت به دو روش دیگر صحت بیشتری در پیش بینی دبی ماهانه دارد.

Keywords:

رودخانه سفید , دبی , مدل خود همبسته میانگین متحرک , شبکه عصبی مصنوعی , معیار آکاییک