شبیه سازی جریان روزانه ورودی به سد طالقان با استفاده از مدل های همراشتین-واینر

سیستم های همراشتین - واینر از جمله مدل هایی هستند که توانایی تشریح سیستم های دینامیک غیرخطی را دارند. این مدل ها، مدل هایی غیرخطی اند که به واسطه سادگی و مفهوم فیزیکی شان، در دامنه وسیعی از علوم کاربرد دارند. در این تحقیق، برای اولین بار در حوزه هیدرولوژی و مدیریت منابع آب، سه ساختار مختلف از این مدل ها به منظور شبیه سازی جریان روزانه ورودی به مخزن سد طالقان با استفاده از داده های روزانه دما و بارندگی به عنوان ورودی های مدل توسط آماره های R2، RMSE، SRMSE، MAE، d و PEP ارزیابی شدند. به این منظور، از اطلاعات مخزن سد طالقان بین سال های 1385 تا 1390 استفاده شد. نتایج این ارزیابی با پیش پردازش اطلاعات (HW1) و بدون پیش پردازش اطلاعات (HW2)، با عملکرد دو مدل شبکه عصبی مصنوعی پیشخور با دو لایه مخفی (FeedF2) و شبکه عصبی رگرسیون تعمیم یافته (GRNN2) مقایسه شد. نتایج نشان داد که براساس همه شاخص ها، عملکرد مدل های همراشتین - واینر از مدل های شبکه عصبی مصنوعی بهتر است. به ویژه، مقادیر میانگین و انحراف استاندارد ماهانه سری مشاهداتی به بهترین شکل از طریق این مدل ها شبیه سازی می شوند. مقدار شاخص SRMSE مدل HW1 در مراحل واسنجی و آزمون به ترتیب 33 و 37 درصد و برای مدل HW2 به ترتیب 28 و 43 درصد برآورد شد، در حالی که همین شاخص برای دو مدل دیگر به ترتیب 71 و 50 و 58 و 50 درصد برآورد شد.