فرناز دانشور وثوقی؛ رسول صمدزاده
چکیده
مدلسازی صحیح فرآیند بارش-رواناب به دلیل گستردگی عوامل موثر بر بارش و رواناب یکی از پیچیدگی‌های علم هیدرولوژی است. هدف از این پژوهش استفاده از روش‌های پیش پردازش زمانی از جمله رفـع نویز موجکی و تبدیل موجک برای پیش بینی سری‌های زمانی ماهانه رواناب در دشت اردبیل می‌باشد. شـبیه سـازی بـارش – روانـاب بـا اسـتفاده از مدل جعبـه ...
بیشتر
مدلسازی صحیح فرآیند بارش-رواناب به دلیل گستردگی عوامل موثر بر بارش و رواناب یکی از پیچیدگی‌های علم هیدرولوژی است. هدف از این پژوهش استفاده از روش‌های پیش پردازش زمانی از جمله رفـع نویز موجکی و تبدیل موجک برای پیش بینی سری‌های زمانی ماهانه رواناب در دشت اردبیل می‌باشد. شـبیه سـازی بـارش – روانـاب بـا اسـتفاده از مدل جعبـه سـیاه شبکه عصبی مصنوعی برای سه ترکیب دادههای بارش و رواناب دشت اردبیل انجـام گردید. ترکیب اول و دوم دادهها از دادههای خود ایستگاه در زمانهای گذشته استفاده میکند و ترکیب سوم دادهها از دادههای ایستگاههای بالادست (ایستگاههای گیلانده و کوزه تپراقی) برای پیش بینی رواناب خروجی دشت (ایستگاه سامیان) استفاده میکند. نتایج نشان داد کـه اعمـال روش‌های پیش پردازش زمانی رفـع نویز مـوجکی و استفاده از تبدیل موجک در شــبیه ســازی بارش-رواناب بــا مدل شبکه عصبی مصنوعی به ترتیب بطور متوسط باعــث بهبــود 4 و 39 درصدی در مرحلــه آزمایش مدل شده است.
