ارزیابی روش‌های هیدرولوژیکی و داده‌کاوی در شبیه‌سازی و پیش‌بینی دبی جریان ماهانه

Abstract

چکیده:<br />سابقه و هدف: پیش‌بینی کمی جریان در رودخانه‌ها یکی از مهم‌ترین ارکان در مدیریت منابع آب‌های سطحی به ویژه اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالی‌ها، است.برای پیش بینی میزان جریان رودخانه‌ها رویکردهای متنوعی در هیدرولوژی معرفی شده است که مدل های مفهومی و نیز مدل‌های داده محور از مهمترین آن‌ها می‌باشند.در این مطالعه برای بررسی دقت مدل‌های پیش بینی جریان رودخانه از داده‌های بلند مدت ثبت شده در حوضه آبریز اراز کوسه با مساحت 1678 کیلومتر مربع واقع شده در شمال ایران (استان گلستان) استفاده شده است. مدل IHACRES به عنوان مدل مفهومی هیدرولوژیکی و مدل‌های M5 , KNN به عنوان مدل‌های داده‌کاوی برای مدل‌سازی جریان ماهانه رودخانه انتخاب شدند و نتایج برای بررسی صحت مدل‌های مورد مطالعه با یکدیگر مقایسه شدند. در مطالعات معدودی هر یک از مدل‌های بیان شده در پیش‌بینی دبی جریان روزانه مورد بررسی قرار گرفته است اما هدف این مطالعه بررسی همزمان این مدل‌ها در یک حوضه برای پیش بینی جریان ماهانه رودخانه می باشد.<br />مواد و روش: داده‌های روزانه 29 ساله (2013-1985) بارش و دبی ایستگاه‌های هیدرومتری و هواشناسی ارازکوسه برای استخراج سری‌های ماهانه مورد نیاز برای مدل‌سازی استفاده شد. کمیت و کیفیت داده‌های مورد نیاز برای مدل‌سازی با استفاده از آزمون‌های مختلف آماری بررسی و تایید شد. داده‌های ثبت شده به دو جز سری تقسیم‌بندی شد که جز سری اول برای واسنجی مدل‌ها به کار گرفته شد و از جز سری دوم برای ارزیابی صحت سنجی مدل‌ها استفاده گردید. با در نظر گرفتن نتایج هر یک از مدل‌ها در دوره‌های صحت سنجی و واسنجی بر اساس معیارهای نکویی برازش کارایی مدل‌ها بررسی و تحلیل شد.<br />یافته‌ها: نتایج مدل هیدرولوژیکی مفهومی IHACRES در هر دو مرحله صحت سنجی و واسنجی (ضریب همبستگی برابر با 81/0 و 79/0 به ترتیب برای دوره واسنجی و صحت سنجی) نشان می دهد که این مدل دارای توانایی مناسب برای شبیه‌سازی جریان ماهانه رودخانه می‌باشد. همچنین بررسی نتایج دو مدل داده‌کاوی KNN, M5 (ضریب همبستگی برابر با 94/0 و 89/0 به ترتیب برای دوره واسنجی و صحت سنجی برای مدل KNN و ضریب همبستگی برابر با 92/0 و 88/0 به ترتیب برای دوره واسنجی و صحت سنجی برای مدل M5) نشان می‌دهد که استفاده از این مدل‌ها منجر به افزایش قابل ملاحظه‌ای در دقت نتایج پیش‌بینی جریان ماهانه رودخانه نسبت به استفاده از مدل هیدرولوژیکی مفهومی IHACRES شده است. <br />نتیجه گیری: کاربرد مدل‌های داده کاوی یعنی M5 , KNN منجر به بهبود نتایج نسبت به کاربرد مدل هیدرولوژیکی مفهومی IHACRES شده است. این موضوع مشخص است که دقت نتایج مدل‌های داده کاوی بسیار به یکدیگر نزدیک است اما به دلیل آنکه مدل M5 معادلات صریح برای پیش بینی ارایه می کند به عنوان مدل منتخب در این تحقیق انتخاب می‌شود. همچنین بررسی سری زمانی نتایج نشان می‌دهد که دقت مدل‌های داده‌کاوی در تخمین جریان‌های کم بهتر از تخمین جریان‌های زیاد می‌باشد.