ارتقاء عملكرد مدلهاي هوشمند جهت پيش بيني جريان رودخانه با استفاده از داده هاي سطح برف حاصل از تصاوير ماهواره اي

ارتقاء عملكرد مدلهاي هوشمند جهت پيش بيني جريان رودخانه با استفاده از داده هاي سطح برف حاصل از تصاوير ماهواره اي

پیش بینی جریان رودخانه اثرات اقتصادی مهمی را بهمراه دارد بطوریكه میتواند به مدیریت آب در كشاورزی، جلوگیری از وقوع كمبودهای آبی و خسارتهای محتمل ناشی از سیل كمك كند. در نتیجه ارتقاء دقت این پیش بینیها امری ضروریست و اهمیت آن در حوضه های بزرگ و كوهستانی كشور همچون كارون بدلیل سطوح پوشیده از برف و تولید انرژی برقابی بارزتر میباشد. در این مقاله ابتدا با استفاده از آمار ماهانه هواشناسی و دبی ایستگاه پل شالو واقع در پایین دست سد كارون ٣، پی شبینی یك و دو ماه بعد جریان رودخانه كارون، توسط مدلهای هوشمندی نظیر شبكه های عصبی مصنوعی (ANN) و سیستم استنتاجی نرو فازی تطبیقی (ANFIS) و دو مدل ورودی انجام شد. مدل ورودی با بهترین عملكرد توسط شاخص های ارزیابی ضریب تعیین و ریشه میانگین مربعات خطا، بعنوان مدل منتخب شناسائی و اثر دادهه ای سطح برف بدست آمده از تصاویر ماهوارهای NOAA در یك، دو و سه ماه قبل بصورت منفرد و تركیبی بر عملكرد مدل های هوشمند بررسی شد. نتایج پیش بینی های یك و دو ماه بعد جریان با داده های سطح برف، تاثیر عامل برف را برعملكرد مدلهای ANN ANFIS مثبت نشان داده است.