پیش ‏بینیِ بارندگی ماهانه با استفادة مستقیم از موجک و شبکة عصبی موجکی

Abstract

برآورد و پیش‏‏بینی بارش اهمیت ویژه‏ای دارد. به دلیل نبود قطعیت، هیچ ‏یک از مد‏ل‏های آماری و مفهومی نتوانسته‏اند به منزلة یک مدل برتر در الگوسازی دقیق بارش شناخته شوند. اخیراً، به کاربردِ موجک در آنالیز سیگنال‏ها و سری‏های زمانی در هیدرولوژی توجه شده‏ است. در این تحقیق، سیگنال بارندگی با استفاده از موجک مادر منتخب تجزیه شد و داده‏های به‌دست‌آمده با دو روش برازش معادلات مستقیم و هیبرید عصبی- موجکی برای پیش‏بینی استفاده شد. روش مذکور در پیش‏بینی بارندگیِ ماهانة 33 سال ایستگاه زرین‌گل از سال آبی 1354 ـ 1355 تا 1386 ـ 1387 به‌کار گرفته شد و نتایج با یکدیگر مقایسه شد. نتایج نشان داد تجزیة سیگنال با موجک به طور قابل ملاحظه‏ای موجب افزایش همبستگی میان داده‏های مشاهداتی و محاسباتی می‌شو‏د و سیگنالِ بارندگی با دقت بیشتری پیش‏بینی می‌شود؛ به طوری ‏که در روش مستقیم میزان R²برابر با 74_/0 و در روش هیبرید عصبی- موجکی در بهترین حالت برای چهار سطح تجزیه برابر 95_/0 است. این نتیجه قدرت موجک در ساده‏سازی سیگنال و افزایش دقت پیش‏بینی داده‏های کاملاً تصادفی بارندگی را در منطقة مورد نظر تأیید می‌کند. ضمن آنکه، معنی‏دار نبودن تست Fدر سطح 90 درصد و بالاتر تأیید دیگری بر این مطلب است. <br />