پیش‌بینی بارش ماهانه با مدل ترکیبی شبکه ‌عصبی مصنوعی-موجک و مقایسه با مدل شبکه‌ عصبی ‌مصنوعی

Abstract

بدون شک اولین قدم در مدیریت رودخانه پیش­بینی بارش سطح حوضه آبریز می­باشد. با این حال، با توجه به بالا بودن خاصیت تصادفی فرآیندها، بسیاری از مدل­ها هنوز هم به منظور تعریف چنین پدیدة پیچیده­ای در زمینه مهندسی هیدرولوژیک توسعه داده می­شوند. اخیراً شبکه­های ­عصبی ­مصنوعی به عنوان یک برون­یابی و درون‌یابی غیرخطی گسترده توسط هیدرولوژیست­ها مورد استفاده قرار می­گیرد. در پژوهش حاضر، تجزیه و تحلیل­ موجک به صورت ترکیب با شبکه عصبی مصنوعی و مقایسه با شبکه­ عصبی ­مصنوعی برای پیش­بینی بارش ایستگاه وراینه در شهرستان نهاوند انجام شد. برای این منظور، سری زمانی اصلی با استفاده از تئوری موجک به چندین زیرسیگنال زمانی تجزیه شد، پس از آن این زیرسیگنال­ها به عنوان داده­های ورودی به شبکه­ عصبی­ مصنوعی برای پیش­بینی بارش ماهانه استفاده شد. نتایج به دست آمده نشان داد که با توجه به ضریب همبستگی 92/0 و میانگین مربعات خطای 002/0 مدل ترکیبی شبکه­ عصبی مصنوعی-موجک، عملکرد این مدل نسبت به مدل شبکه عصبی مصنوعی با ضریب همبستگی 75/0 و میانگین مربعات خطای 003/0 بهتر می­باشد و می­تواند برای پیش­بینی بارش کوتاه مدت و بلند مدت استفاده شود.