پيش‌بيني رواناب به كمك روش‌هاي آماري، هوش مصنوعي و مدل‌هاي هواشناسي (مطالعه‌ موردي: سد اميركبير)

پيش‌بيني جريان رودخانه يكي از مهم‌ترين مسائل هيدرولوژيكي است كه براي مديريت سيلاب بسيار مهم است. مقادير دبي عبوري رودخانه را مي‌توان از روشهاي متعددي برآورد نمود كه هر يك از روش‌ها داراي نقاط ضعف و قوتي هستند. در خصوص مدل‌هاي بارش-رواناب به‌دليل عكس‌العمل غير‌خطي يك حوزه‌ آبخيز به رويداد باران مسأله بسيار پيچيده مي‌شود. علاوه‌بر اين به‌دليل تغييرات مكاني بارش در يك حوزه‌ آبخيز اين پيچيدگي بيش‌تر نيز مي‌شود. در اين پژوهش به بررسي مدل بارش-رواناب به كمك روش‌هاي آماري و رگرسيون چندمتغيره پرداخته شد. هدف پژوهش حاضر، پيش‌بيني جريان ورودي به سد اميركبير با استفاده از روش‌هاي رگرسيون چندمتغيره و روش‌هاي هوش مصنوعي (AI) شامل مدل شبكه‌ عصبي مصنوعي (ANN) است. بدين‌منظور از آمار هفت ساله‌ جريان رودخانه‌ كرج (1395-1401) به‌صورت روزانه استفاده شد. در همين راستا، تقسيم‌بندي داده‌هاي بارش در فصول مختلف سال صورت گرفت و به‌منظور بررسي ايستگاه‌هاي باران‌سنج مناسب از روش تحليل خوشه‌اي استفاده شد تا ايستگاه‌هاي مناسب به‌منظور ورود به مدل انتخاب شود. لازم به ذكر است تلفيق روش‌هاي آماري و مدل شبكه‌ عصبي با مدل‌هاي پيش‌بيني هواشناسي از نوآوري‌هاي پژوهش حاضر است. نتايج ارزيابي عملكرد مدل‌ها با شاخص‌هايي هم‌چون ضريب تبيين (R2)، ميانگين قدر مطلق خطا (MAE) و ريشه‌ ميانگين مربعات خطا (RMSE)، نشان داد كه مدل ANN در هر دو مرحله‌ واسنجي (آموزش) و صحت‌سنجي (آزمايش) عملكرد بهتري نسبت به مدل رگرسيون چندمتغيره داشته است. شاخص‌هاي دقت مدل براي مرحله‌ آموزش مدل ANN برابر 0.77=R2 و 0.27=RMSE مترمكعب بر ثانيه بوده است. در حالي‌كه اين شاخص‌ها براي مرحله‌ آزمايش برابر با 0.87=R2 و 0.46=RMSE مترمكعب بر ثانيه است كه حاكي از عملكرد بهتر مدل ANN بوده است. نتايج نشان داد كه مدل واسنجي شده به‌منظور پيش‌بيني رواناب با استفاده از مدل‌هاي هواشناسي كاربردي بوده و دقت قابل‌قبولي دارد.