پیش بینی جریان با استفاده از رویکرد تلفیقی موجک- برنامه ریزی بیان ژن و ارزیابی تاثیر پارامترهای هواشناسی بر کارایی آن

پیش بینی جریان رودخانه برای برنامه ریزی و مدیریت سیستمهای منابع آب بسیار حایز اهمیت بوده و میزان دقت انجام این فرآیند در درستی پیاده سازی اهداف برنامه ریزی شده نقشی بنیادین دارد. از طرفی، محاسبات نرم قابلیت بالایی در مدلسازی فرآیند های هیدرولوژیک دارد. ازینرو، در این پژوهش، مدل ترکیبی موجک-برنامه ریزی بیان ژن در مقایسه با رویکرد منفرد آن توسعه داده شده، تا جریان روزانه رودخانه خشکرود واقع در استان گیلان، را پیش بینی کند. بدین منظور، علاوه بر فرآیند پیش پردازش داده های هیدرومتری، تاثیر پارامترهای هواشناسی در عملکرد و کارایی مدل نیز بررسی شده است. همچنین، پیش پردازش با ویژگی های مختلف و پیش بینی برای چهار زمان یک، دو، سه و شش روز انجام شد. برای ارزیابی عملکرد مدلها از شاخصهای آماری ضریب همبستگی (R)، شاخص توافق (Ia)، ضریب ناش-ساتکلیف (NSE)، خطای مطلق میانگین (MAE)، جذر متوسط مربعات خطا (RMSE) و معیار جریان حدی (PFC) استفاده شد. نتایج نشان میدهد که استفاده از موجک برای پیش پردازش داده ها موجب ارتقای قابل ملاحظه کارایی مدل ترکیبی در مقایسه با مدل منفرد شده است، به گونه ایکه ضریب همبستگی داده های ارزیابی برای زمان پیش بینی سه روز از 0/27 به 0/80 افزایش و همزمان خطای مطلق میانگین از 1/4 به 0/80 مترمکعب در ثانیه کاهش یافته است. از طرف دیگر، پارامترهای هواشناسی موجب شدند که مقادیر حدی در سری زمانی داده های دبی رودخانه بخوبی پیش بینی شده و کارایی مدل در پیش بینی مقادیر مذکور به مقدار قابل ملاحظه ای ارتقا یابد. نتایج حاصل از این مطالعه بیانگر آن است که رویکرد ترکیبی موجک- برنامه ریزی بیان ژن در ترکیب با پارامترهای هواشناسی، میتواند با کارایی بالایی در پیش بینی جریان بکار رود.