گروه مرتعوابخیزداری،دانشگاه گنبد کاووس ، nader.jandaghii@gmail.com
چکیده: (19 مشاهده)
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+Yt) 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.