پیش بینی بارش ایستگاه باران سنجی نهاوند با استفاده از روش هیبریدی موجک –ساریما-شبکه عصبی مصنوعی

در این مطالعه با توجه به ویژگی های غیرخطی و مقیاس های زمانی چندگانه بارشهای ماهانه ، یک روش هیبریدی مبتنی بر مدل های موجک، ساریما و شبکه عصبی مصنوعی به منظور پیش بینی آن پیشنهاد گردیده است. بدین منظور سری زمانی بارش ماهانه ایستگاه باران سنجی نهاوند در استان همدان با طول دوره آماری چهل سال با استفاده از تبدیل موجک گسسته به یک زیر سری تقربی با فرکانس بالا و چند زیر سری جزیی با فرکانس پایین تجزیه شد و سپس زیر سری تقریبی توسط مدل ساریما و زیر سری های جزیی با استفاده از شبکه عصبی مصنوعی پیش بینی شدند و در نهایت زیر سریهای پیش بینی شده با استفاده از تبدیل موج معکوس جهت پیش بینی بارش ماه آینده با هم جمع شدند. به منظور مقایسه کارایی مدل موجک- ساریما- شبکه عصبی مصنوعی با دیگر مدل ها، مدل مذکور با مدل های موجک- شبکه عصبی مصنوعی و ساریما مقایسه گردید. در آخر نتایج حاکی از دقت بالای مدل پیشنهادی در پیش بینی بارش ماهانه نسبت به دیگر مدلها بود.

Keywords:

شبکه عصبی مصنوعی , فرکانس پایین , زیر سری تقریبی , زیر سری جزیی , ساریما , , موجک