بهبود برآورد مقادیر شبیه سازی شده دبی رودخانه با استفاده از مدل های ساختاری فضای حالت

شبیه سازی سامانه، با ساختارهای متفاوت و با استفاده از رویکردها و الگوریتم های مختلف صورت می گیرد. الگوریتم ها روش های هوشمند پردازش داده در یادگیری ماشین هستند که می توانند عوامل ناشناخته در یک پدیده وابسته به زمان را شناسایی نمایند. در تحلیل پدیده های تصادفی از جمله روش هایی که می تواند تصمیم گیری را ساده تر کند؛ استفاده از الگوریتم های ترکیبی است. به کمک این روش، مدیریت داده دقیق تر و شناخت بیشتری از سامانه مورد مطالعه بدست می آید. از آنجایی که بررسی مولفه روند می تواند در شبیه سازی پدیده های هیدرولوژیکی موثر باشد و در تفسیر رابطه بین فرآیندهای هیدرولوژیکی و تغییرات محیطی در مناطق مورد مطالعه کمک موثری نماید؛ مدل های فضای حالت این مزیت را دارند که سامانه را به صورت انعطاف پذیر و پویا مورد بررسی و تحلیل قرار دهند. لذا این مقاله در نظر دارد به کمک روش ترکیبی به بهبود راندمان مدل های سری زمانی فضای حالت Kalman Filter، ETS، BATS،TBATS  بپردازد و با مقایسه با مدل باکس-جنکینز نشان دهد کدامیک از این مدل ها، قابلیت بهتری در شبیه سازی دبی ماهانه رودخانه دارد. این مقایسه در سه ایستگاه آب سنجی سپیددشت سزار، تنگ پنج بختیاری و تله زنگ در حوضه آبریز دز واقع در استان خوزستان از سال 1386تا 1399 انجام شده است. نتایج این بررسی براساس معیار های ارزیابی مدل (RMSE، MAE و R2)، نشان داد فضای حالت نسبت به مدل باکس جنکینز (کلاسیک) بهتر عمل نموده و در بین مدل های فضای حالت، مدل سطح موضعی (فیلتر کالمن) عملکرد بهتری داشته، به طوری که در مرحله صحت سنجی، ایستگاه آب سنجی سپیددشت سزار 21/39 RMSE=، 79/0 R2=و در ایستگاه تنگ پنج بختیاری 89/57 RMSE= ،76/0R2= و در ایستگاه تله زنگ 41/113RMSE= و 73/0=R2 بدست آمد.