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 کاربرد 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 به دست آمده با دو روش برازش معادلات مستقیم و هیبرید عصبی- موجکی برای پیشبینی استفاده شد. روش مذکور در پیشبینی بارندگیِ ماهانة 33 سال ایستگاه زرین گل از سال آبی 1354 ـ 1355 تا 1386 ـ 1387 به کار 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 می شود و سیگنالِ بارندگی با دقت بیشتری پیشبینی می شود؛ 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 می کند. ضمن آنکه، معنیدار نبودن تست fدر سطح 90 درصد و بالاتر تأیید دیگری بر این مطلب است.