مقایسه عملکرد مدل های استوکاستیک در تولید داده های ماهیانه جریان و بارندگی

Abstract

مدل‌های تولید داده مصنوعی به عنوان ابزار مناسبی جهت پیش‌بینی و تولید سری ‌های زمانی جانشین یا یک سری بسیار طولانی مدت در مطالعات منابع آب شناخته شده و این مدل‌ها به طور وسیعی در سراسر دنیا توسط محققین مختلف مورد استفاده قرار می‌گیرد. این مدل‌ها برای تولید داده‌های مصنوعی سالیانه، ماهیانه و روزانه بارندگی یا جریان رودخانه ‏ای در طی دهه‌ های اخیر توسعه داده شده‌اند. در این میان مدل‌ های تولید داده مصنوعی ماهیانه به دلیل استفاده در مطالعات مهم و اساسی سیستم‌ های منابع آب از جمله سیستم مخازن ذخیره، پایش خشکسالی و غیره دارای اهمیت خاصی بوده و استفاده از آنها تحلیل دقیقتر از رفتار عملکرد واقعی چنین سیستم ‌هایی را فراهم می‌کند. از طرف دیگر، پایه نظری مدل‌های استوکاستیک مختلف تولید داده‌های ماهیانه متفاوت بوده و این امر می‌تواند اثر قابل توجهی در عملکرد آنها داشته باشد. لذا انتخاب یک مدل مناسب‌‌تر در مطالعه و تحلیل دقیق و درست یک سیستم منابع آب یکی از دغدغه‌های مهم متخصصین منابع آب می‌باشد. در این مطالعه با استفاده از روش شبیه سازی مونت کارلو، عملکرد چهار تیپ ازمدل غیرپارامتریک Bootstrap و مــدل‌هــــای پـــارامتـــریــک Valencia-Schaake، Thomas-Fiering و Fragment در تولید داده ‌های ماهیانه مصنوعی مورد مقایسه و ارزیابی قرار گرفته است. بدین منظور داده‌های جریان ماهیانه 47 ساله سه رودخانه نازلوچای، شهرچای و باراندوزچای واقع در استان آذربایجان غربی درشمال غرب ایران مورد استفاده قرار گرفته و 1000 سری زمانی مصنوعی جریان‌های ماهیانه 47 ساله برای هر سه رودخانه مذکور به ازاء هر کدام از مدل‌های هفتگانه مورد مطالعه، تولید و مورد استفاده قرار گرفته است. نتایج مطالعه نشان داد که مدل توزیعی Valencia-Schaake دارای عملکرد بسیار مطلوب نسبت به سایر مدل‌ها به ازاء تمامی آماره‌های مطرح ارزیابی است.