مطالعه تطبیقی روش های هیدرولوژیکی و هوشمند آماری در پیش بینی جریان روزانه

برآورد و پیش¬بینی رواناب یک حوزه، نه تنها در مدیریت و بهره¬برداری صحیح از حوزه با اهمیت است بلکه در به حداقل¬رسانی خسارات ناشی از سیلاب نیز نقش مهمی را ایفا می¬کند. هدف اصلی این تحقیق پیش¬بینی دبی روزانه در حوضه آبریز گالیکش با استفاده از مدل¬های هیدرولوژیکی و مدل های پایه داده¬ای می¬باشد. بدین منظور در میان مدل¬های هیدرولوژیکی از مدل¬های ihacres و hec-hmsو از مدل های پایه-داده ای شبکه عصبی مصنوعی(ann)، الگوریتم نزدیکترین k- همسایگی (knn) و سیستم استنتاج تطبیقی عصبی-فازی (anfis) استفاده شد. پس از کالیبراسیون مدل هیدرولوژیکی و آموزش مدل¬های ann، knn و anfis، برای یک دوره مشترک نتایج مدل ها با هم مقایسه گردید. نتایج نشان داد که مدل¬های پایه داده ای نسبت به مدل هیدرولوژیکی دارای عملکرد بهتری در شبیه سازی فرایند بارش-رواناب می¬باشند. برای مثال ضریب همبستگی بین مقادیر مشاهداتی و شبیه¬سازی شده برای مدل های ann، knn و anfis بترتیب برابر 85/0، 83/0و 85/0 و جذر میانگین مربعات خطا نیز به ترتیب برابر 106/1، 1667/1و 1168/1 بدست آمد. در حالی که برای مدل هیدرولوژیکی ihacres ضریب همبستگی و جذر میانگین مربعات خطا به ترتیب برابر 67/0 و 54/1 محاسبه شد.