بررسی اثرات متغیرهای اقلیمی در تخمین جریان رودخانه با استفاده از روش های منفرد و هیبریدی-موجکی محاسبات نرم

تغییرات اقلیمی و تاثیر آن در وضعیت منابع آبی می تواند از جنبه های مختلف زندگی و حیات بشر در روی زمین را به مخاطره بیاندازد. در این مطالعه، با استفاده از روش های منفرد و هیبریدی-موجکی شبکه عصبی مصنوعی، سامانه استنتاجی فازی عصبی (دسته بندی تفریقی) و برنامه ریزی بیان ژن به مدل سازی پارامتر جریان پرداخته شده است. بدین منظور از داده های اقلیمی ماهانه با طول دوره آماری 21 ساله (1395-1375) جریان، دما و بارش ایستگاه تپیک واقع در رودخانه نازلوچای ارومیه استان آذربایجان غربی استفاده شده است. در این مطالعه تاثیر پارامترهای جریان تاخیری، بارش، دما و اثر فصلی (ضریب ماهانه) در مدل ها بررسی شده است. نتایج حاکی از عملکرد برتر مدل های هیبریدی-موجکی نسبت به مدل های منفرد محاسبات نرم و تاثیر مثبت اعمال اثر فصلی در مدل سازی جریان رودخانه ای می باشد. همچنین تبدیل موجک با آنالیز داده ها و تفکیک نویزها توانایی ارتقاء بخشیدن به عملکرد مدل های هیبریدی نسبت به مدل های منفرد را امکان پذیر می نماید. در مدل بهینه هیبریدی موجکی برنامه ریزی بیان ژن، مقادیر شاخص های ارزیابی ضریب همبستگی و ریشه میانگین مربعات خطا به ترتیب برابر 978/0 (حداکثر) و 326/2 (m3/s) (حداقل) به دست آمده است.