میثم صمدی؛ عبدالرضا بهرهمند؛ ابوالحسن فتحآبادی
چکیده
در هر برنامه مدیریتی برای منابع آب، آگاهی از شرایط آینده بهمنظور تخصیص بهینه منابع آب به بخشهای مختلف از قبیل شرب، کشاورزی و غیره لازم میباشد. آنچه در این میان مهم میباشد، پیشبینی مقادیر جریان ورودی به سیستم منابع آب در ماههای آینده است. در این راستا، استفاده از روشهایی که بتواند با کمینه خطا و با توجه به ...
بیشتر
در هر برنامه مدیریتی برای منابع آب، آگاهی از شرایط آینده بهمنظور تخصیص بهینه منابع آب به بخشهای مختلف از قبیل شرب، کشاورزی و غیره لازم میباشد. آنچه در این میان مهم میباشد، پیشبینی مقادیر جریان ورودی به سیستم منابع آب در ماههای آینده است. در این راستا، استفاده از روشهایی که بتواند با کمینه خطا و با توجه به داده و اطلاعات موجود، جریان رودخانه را پیشبینی کند، از اهمیت فراوانی برخوردار میباشد. در پژوهش حاضر، مقادیر دبی ماهانه ورودی به سد بوستان برای آینده با استفاده از دادههای هیدرومتری ایستگاه تمر و بهکارگیری سه مدل سری زمانی، شبکه عصبی مصنوعی و ماشین بردار پشتیبان و همچنین، سه مدل ترکیبی پیشبینی شد. سپس، با استفاده از معیارهای ارزیابی اقدام به مقایسه عملکرد هر کدام از مدلها شد. با توجه به نتایج بهدست آمده در مدل، سری زمانی بر اساس کمینه بودن معیارهای آکاییک و شوارتز، مدل (1,0,1) ARIMA (2,0,0) بهعنوان مدل برتر انتخاب شد. در مدل شبکه عصبی، شبکه با ورودی 2 و 4 نرون و در مدل SVM شبکه با ورودی 3، بهعنوان شبکه برتر انتخاب شدند. در نهایت، با توجه به نتایج بهدست آمده از معیارهای ارزیابی، مدل سری زمانی بهترین عملکرد را داشته است که مقادیر معیارهای میانگین مربعات خطا، متوسط مقادیر مطلق خطای نسبی، میانگین مطلق خطا و نش-ساتکلیف برای این مدل بهترتیب برابر با 0.88، 4.71، 0.024- و 0.36 بهدست آمد. در نتیجه، مدل سری زمانی بهعنوان بهترین مدل برای پیشبینی دبی ماهانه در این ایستگاه معرفی شد.