پيش‌بيني تراز سطح آب با استفاده از مدل تركيبي پويايي سيستم و شبكه عصبي فازي موجكي

چالش منابع آب امروزه مشكل بسياري از كشورهاي خاورميانه است و اين واقعيت در مورد درياچه اروميه كه تراز سطح آب آن، با توجه به تغييرات بارش، خشك‌سالي و سدسازي دچار تغييرات و نوسانات زيادي شده است، داراي اهميت بيشتري مي‌باشد. هدف اصلي اين مقاله بررسي قابليت روش پويايي سيستم، SD (System Dynamic)، براي پيش‌بيني نوسانات سطح آب با استفاده از شبكه عصبي فازي تطبيقي موجكي، WANFIS (Wavelet Adaptive Neuro-Fuzzy Inference Systems)، مي‌باشد. به همين دليل، يك مدل شبيه‌سازي بر پايه پويايي سيستم براي حوضه آبريز درياچه اروميه توسعه داده شد. سپس، براي پيش‌بيني سطح آب، عوامل مؤثر بر آن مانند بارش، دبي و تبخير با استفاده از مدل WANFIS پيش‌بيني شده و نتايج حاصل از پيش‌بيني وارد مدل پويايي سيستم مي‌گردد و سپس سطح آب محاسبه مي‌شود. نتايج مدل سازي نشان داد كه مدل تركيبي پويايي سيستم و شبكه عصبي فازي تطبيقي موجكي (SD-WANFIS) داراي عملكرد مناسبي مي‌باشد. مقادير شاخص‌هاي آماري مانند جذر ميانگين مربعات خطا و ضريب تبيين براي مدل تركيبي پويايي سيستم و شبكه عصبي فازي موجكي در مرحله صحت سنجي به ترتيب 0.31 متر و 0.84 مي‌باشد. درحالي كه اين شاخص ها براي مدل جعبه سياه خطي خود همبسته ميانگين متحرك تلفيق‌شده، ARIMA (Auto Regressive Integrated Moving Average) برابر 0.61 متر و 0.53 مي‌باشند. اين نتايج نشان داد كه تركيب اين دو مدل SD و مدل فازي WANFIS جهت پيش‌بيني با دقت مناسب، مفيد مي‌باشد.