پیش‌بینی پتانسیل تبخیر با حذف نویز داده‌ها در ایستگاه سینوپتیک تبریز

Abstract

تبخیر پتانسیل از جمله مؤلفه‌های چرخه آب در طبیعت است که پیش‌بینی آن یک کار پیچیده و غیرخطی است. بنابراین، برای تخمین آن بایستی از مدل‌های پیشرفته ریاضی استفاده نمود. مطالعه حاضر، با هدف ارائه مدل پیش‌بینی سری زمانی پتانسیل تبخیر روزانه ایستگاه تبریز با استفاده از دو رویکرد شبکه عصبی و شبکه عصبی ـ موجکی همراه با نویززدایی داده‌ها انجام گرفت. سری زمانی روزانه مقدار تبخیر تشتک تبخیرسنج ایستگاه تبریز مشتمل بر 4309 داده روزانه، به‌عنوان داده‌های خام این دو مدل در نظر گرفته شدند. مدل پیش‌بینی شبکه عصبی بر پایه سه سری زمانی با تأخیرهای زمانی 4، 7 و 10 روز از سیگنال اصلی نرمال‌شده انجام گرفت. در روش دوم، سیگنال سری زمانی اصلی با استفاده از موجک مادر میر به 12 سطح تجزیه و بیشترین فرکانس آن به‌عنوان نویز از سیگنال اصلی حذف شد. در ادامه، مدل شبکه عصبی ـ موجکی بر پایه 36 سری زمانی با تأخیرهای زمانی 4، 7 و 10 روز اجرا شد. با ارزیابی نتایج هر یک از این مدل‌ها توسط معیارهای آماری و گرافیکی، ساختار 3-10-1 با مقدار ضریب همبستگی 80/0 و جذر میانگین مربعات خطای 125/0 میلی‌متر در روز و ساختار 36-8-1 با ضریب همبستگی 917/0 و جذر میانگین مربعات خطای 0858/0 میلیی‌متر در روز تحت عنوان مناسب‌ترین ساختارها به‌ترتیب برای مدل شبکه عصبی و شبکه عصبی ـ موجکی شناسایی شدند.