پیش بینی رواناب دشت اردبیل با رویکردهای پیش پردازش زمانی موجکی

مدلسازی صحیح فرآیند بارش-رواناب به دلیل گستردگی عوامل موثر بر بارش و رواناب یکی از پیچیدگی های علم هیدرولوژی است. هدف از این پژوهش استفاده از روش های پیش پردازش زمانی از جمله رفع نویز موجکی و تبدیل موجک برای پیش بینی سری های زمانی ماهانه رواناب در دشت اردبیل می باشد. شبیه سازی بارش - رواناب با استفاده از مدل جعبه سیاه شبکه عصبی مصنوعی برای سه ترکیب داده های بارش و رواناب دشت اردبیل انجام گردید. ترکیب اول و دوم داده ها از داده های خود ایستگاه در زمان های گذشته استفاده می کند و ترکیب سوم داده ها از داده های ایستگاه های بالادست (ایستگاه های گیلانده و کوزه تپراقی) برای پیش بینی رواناب خروجی دشت (ایستگاه سامیان) استفاده می کند. نتایج نشان داد که اعمال روش های پیش پردازش زمانی رفع نویز موجکی و استفاده از تبدیل موجک در شبیه سازی بارش-رواناب با مدل شبکه عصبی مصنوعی به ترتیب بطور متوسط باعث بهبود 4 و 39 درصدی در مرحله آزمایش مدل شده است.