ارزیابی روش های هیدرولوژیکی و داده کاوی در شبیه سازی و پیش بینی دبی جریان ماهانه

پیش بینی کمی جریان در رودخانه ها یکی از مهم ترین ارکان در مدیریت منابع آب های سطحی به ویژه اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالی ها، است.برای پیش بینی میزان جریان رودخانه ها رویکردهای متنوعی در هیدرولوژی معرفی شده است که مدل های مفهومی و نیز مدل های داده محور از مهمترین آن ها می باشند.در این مطالعه برای بررسی دقت مدل های پیش بینی جریان رودخانه از داده های بلند مدت ثبت شده در حوضه آبریز اراز کوسه با مساحت 1678 کیلومتر مربع واقع شده در شمال ایران (استان گلستان) استفاده شده است. مدل IHACRES به عنوان مدل مفهومی هیدرولوژیکی و مدل های M5 ، KNN به عنوان مدل های داده کاوی برای مدل سازی جریان ماهانه رودخانه انتخاب شدند و نتایج برای بررسی صحت مدل های مورد مطالعه با یکدیگر مقایسه شدند. در مطالعات معدودی هر یک از مدل های بیان شده در پیش بینی دبی جریان روزانه مورد بررسی قرار گرفته است اما هدف این مطالعه بررسی همزمان این مدل ها در یک حوضه برای پیش بینی جریان ماهانه رودخانه می باشد.
مواد و داده های روزانه 29 ساله (2013-1985) بارش و دبی ایستگاه های هیدرومتری و هواشناسی ارازکوسه برای استخراج سری های ماهانه مورد نیاز برای مدل سازی استفاده شد. کمیت و کیفیت داده های مورد نیاز برای مدل سازی با استفاده از آزمون های مختلف آماری بررسی و تایید شد. داده های ثبت شده به دو جز سری تقسیم بندی شد که جز سری اول برای واسنجی مدل ها به کار گرفته شد و از جز سری دوم برای ارزیابی صحت سنجی مدل ها استفاده گردید. با در نظر گرفتن نتایج هر یک از مدل ها در دوره های صحت سنجی و واسنجی بر اساس معیارهای نکویی برازش کارایی مدل ها بررسی و تحلیل شد.
نتایج مدل هیدرولوژیکی مفهومی IHACRES در هر دو مرحله صحت سنجی و واسنجی (ضریب همبستگی برابر با 81/0 و 79/0 به ترتیب برای دوره واسنجی و صحت سنجی) نشان می دهد که این مدل دارای توانایی مناسب برای شبیه سازی جریان ماهانه رودخانه می باشد. همچنین بررسی نتایج دو مدل داده کاوی KNN، M5 (ضریب همبستگی برابر با 94/0 و 89/0 به ترتیب برای دوره واسنجی و صحت سنجی برای مدل KNN و ضریب همبستگی برابر با 92/0 و 88/0 به ترتیب برای دوره واسنجی و صحت سنجی برای مدل M5) نشان می دهد که استفاده از این مدل ها منجر به افزایش قابل ملاحظه ای در دقت نتایج پیش بینی جریان ماهانه رودخانه نسبت به استفاده از مدل هیدرولوژیکی مفهومی IHACRES شده است.
کاربرد مدل های داده کاوی یعنی M5 ، KNN منجر به بهبود نتایج نسبت به کاربرد مدل هیدرولوژیکی مفهومی IHACRES شده است. این موضوع مشخص است که دقت نتایج مدل های داده کاوی بسیار به یکدیگر نزدیک است اما به دلیل آنکه مدل M5 معادلات صریح برای پیش بینی ارایه می کند به عنوان مدل منتخب در این تحقیق انتخاب می شود. همچنین بررسی سری زمانی نتایج نشان می دهد که دقت مدل های داده کاوی در تخمین جریان های کم بهتر از تخمین جریان های زیاد می باشد.