بهبود برآورد مقادير شبيه‌سازي شده دبي رودخانه با استفاده از مدل‌هاي ساختاري فضاي حالت

شبيه‌سازي سامانه، با ساختارهاي متفاوت و با استفاده از رويكردها‌ و الگوريتم‌هاي مختلف صورت مي‌گيرد. الگوريتم‌ها روش‌هاي هوشمند پردازش داده در يادگيري ماشين هستند كه مي‌توانند عوامل ناشناخته در يك پديده وابسته به زمان را شناسايي نمايند. در تحليل پديده‌هاي تصادفي از جمله روش‌هايي كه مي‌تواند تصميم‌گيري را ساده‌تر كند؛ استفاده از الگوريتم‌هاي تركيبي است. به‌كمك اين روش، مديريت داده‌ دقيق‌تر‌ و شناخت بيشتري از سامانه مورد مطالعه بدست مي‌آيد. از آنجايي‌كه بررسي مؤلفه روند مي‌تواند در شبيه‌سازي پديده‌هاي هيدرولوژيكي مؤثر باشد و در تفسير رابطه بين فرآيندهاي هيدرولوژيكي و تغييرات محيطي در مناطق مورد مطالعه كمك مؤثري نمايد؛ مدل‌‌هاي فضاي حالت اين مزيت را دارند كه سامانه را به‌صورت انعطاف ‌پذير و پويا مورد بررسي و تحليل قرار دهند. لذا اين مقاله در نظر دارد به‌كمك روش تركيبي به‌بهبود راندمان مدل‌هاي سري زماني فضاي حالت Kalman Filter، ETS، BATS،TBATS  بپردازد و با مقايسه با مدل باكس جنكينز نشان دهد كداميك از اين مدل‌ها، قابليت بهتري در شبيه‌سازي دبي ماهانه رودخانه دارد. اين مقايسه در سه ايستگاه آب‌سنجي سپيددشت‌ سزار، تنگ‌پنج بختياري و تله‌زنگ در حوضه آبريز دز واقع در استان خوزستان از سال 1386تا 1399 انجام شده است. نتايج اين بررسي براساس معيار‌هاي ارزيابي مدل(RMSE، MAE و R2)، نشان داد فضاي حالت نسبت به مدل باكس‌جنكينز (كلاسيك) بهتر عمل نموده و در بين مدل‌هاي فضاي حالت، مدل سطح موضعي(فيلتر كالمن) عملكرد بهتري داشته، به‌طوري‌كه در مرحله صحت‌سنجي، ايستگاه آب‌سنجي سپيددشت سزار 39.21 RMSE=، 0.79 R2=و در ايستگاه تنگ‌پنج بختياري 57.89 RMSE= ،0.76R2= و در ايستگاه تله‌زنگ113.41 RMSE= و 0.73R2= بدست آمد.