پيش‌بيني ميزان دبي متوسط ماهيانۀ رودخانۀ كارون با استفاده از روش تركيبي GRU-LSTM

مدل سازي دبي رودخانه در مديريت منابع آب و مديريت ريسك از اهميت بالايي برخوردار است. اين امر در مناطق كوهستاني اهميت بيشتري پيدا مي‌كند زيرا بيشتر جمعيت‌هاي پايين‌دست منطقه، وابستگي زيادي به كشاورزي و فعاليت‌هاي تجاري مانند توليد برق دارند. در اين زمينه‌، در سال‌هاي اخير، مدل‌هاي يادگيري ماشيني به دليل دقت بالا در پيش‌بيني از طريق يادگيري به صورت جعبه سياه مورد توجه زيادي قرار گرفته‌اند. از اين رو در مطالعه حاضر، يك رويكرد تركيبي براي پيش‌بيني دبي متوسط ماهيانه رودخانه كارون پيشنهاد شده است. اين روش از تركيب شبكه‌هاي عصبيLSTM و GRU استفاده مي‌نمايد. شبكه LSTM يك شبكه عصبي يادگيري عميق مي‌باشد كه توانايي اضافه كردن مفهوم زمان به مدل‌سازي را دارد؛ از اين رو در پژوهش حاضر به دليل ماهيت سري زماني داده‌ها اين روش مورد توجه قرار گرفته است. اين شبكه به دليل داشتن دروازه‌هاي زياد، بسيار كند عمل مي كند كه براي جبران سرعت اين روش از لايه‌هاي GRU كه نمونه‌اي ديگر از شبكه‌هاي يادگيري عميق مي‌باشند استفاده مي شود. براي پيش‌بيني دبي متوسط ماهيانه رودخانه كارون از داده‌هاي آماري ايستگاه ملاثاني براي دوره 21 ساله از 1 فروردين 1374 تا 29 اسفند 1394 استفاده شده و مدل‌سازي براساس پنج تركيب ورودي با مقادير دبي رودخانه با تأخير يك ماهه انجام شده است. رويكرد پيشنهادي با ساير روش‌هاي موجود نظير ماشين بردار پشتيبان، سيستم استنتاج فازي-عصبي تطبيقي و مدل رگرسيون خطي چندگانه مورد مقايسه قرار گرفت كه نتايج نشان دهنده‌ي بالا بودن دقت رويكرد پيشنهادي نسبت به ساير روش‌هاي مورد مقايسه مي‌باشد.