مجله پژوهش‌های فرسایش محیطی

در پژوهش حاضر جهت مدل­سازی رواناب ماهانه، از داده­های 4 ایستگاه هیدرومتری پل توسکاستان، نهارخوران، غازمحله و سیاه­آب در حوضه آبریز قره­سو در یک دوره آماری 36 ساله استفاده شد. سپس بررسی همگنی سری داده­ها با استفاده از آزمون چاو انجام شد. پس از مرتب­سازی­ داده­ها، جهت مدل­سازی مقادیر رواناب ماهانه از 4 روش­ باکس و جنکینز (SARIMA)، شبکه عصبی مصنوعی (ANN)، شبکه عصبی مصنوعی-فازی (ANFIS) و الگوریتم ژنتیک (GA) در ایستگاه­های هیدرومتری منتخب استفاده شد. پس از مدل­سازی مقادیر رواناب­ ماهانه با استفاده از 4 مدل فوق، اقدام به پیش­بینی تغییرات رواناب ماهانه در ایستگاه­های هیدرومتری منتخب برای 12 ماه آینده با کمک نرم­افزارهای Minitab، R و SPSS شد. با توجه به نوع پراکنش مقادیر رواناب و وجود داده صفر، برای تثبیت واریانس از تبدیلlog(1+Y_t)  در مدل استفاده گردید. در مرحله بعد اعتبارسنجی مقادیر پیش­بینی شده توسط مدل­ها با استفاده از شاخص­های MAD، RMSE و MAPE مورد ارزیابی قرار گرفت. نتایج نشان داد که در اکثر ایستگاه­های هیدرومتری منتخب، مدل شبکه عصبی مصنوعی دارای بهترین عملکرد در بین 4 مدل مورد استفاده بوده است. بعد از شبکه عصبی مصنوعی، شبکه عصبی مصنوعی-فازی دارای مناسب­ترین عملکرد بوده است. روش باکس و جنکینز با توجه به اینکه در تشخیص روند تغییرات مناسب عمل کرده بود، ولی در بین 4 مدل مورد استفاده عملکرد ضعیف­تری در پیش­بینی مقادیر رواناب داشته است.

واژه‌های کلیدی: رواناب ماهانه، شبکه عصبی مصنوعی، الگوریتم ژتتیک، باکس و جنکینز، حوضه آبریز قره‌سو

     

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:

---

---