پيش بيني دبي رودخانه با استفاده از روش هاي نوروفازي و مدل هاي سري هاي زماني

Streamflow Forecasting Using Neuro-Fuzzy and Time Series Methods

شبيه سازي جريان رودخانه به منظور آگاهي از آورد رودخانه در دوره هاي زماني آينده از مسايل مهم و كاربردي در مديريت منابع آب مي باشد. در اين پژوهش با استفاده از روش هاي هوش مصنوعي (شبكه عصبي MLP, ANFIS با تفكيك شبكه اي و خوشه اي) و سري هاي زماني دبي ماهانه طالقانرود در محل ايستگاه گلينك در يك گام زماني آينده پيش بيني گرديد. براي مدل هاي مختلف 2 ورودي متفاوت شامل: 1- مقادير داده هاي دبي بدون حذف روندهاي فصلي 2- مقادير داده دبي پس از حذف روندهاي فصلي در نظر گرفته شد. براي سري هاي زماني مدل ARIMA(3,0,0)(0,1,1) به عنوان مدل مناسب انتخاب گرديد. در روش هاي هوش مصنوعي پس از پيش پردازش ساختار بهينه مدل با استفاده از داده هاي ورودي و خروجي و به روش سعي و خطا تعيين و سپس اقدام به پيش بيني دبي گرديد. پس از اينكه خروجي هر يك از مدل هاي تكي بدست آمد اقدام به ساخت مدل هاي تركيبي گرديد. در اين پژوهش بهترين عملكرد را مدل هاي تركيبي 2 و 3 داشته بعد از اين مدل ها, مدل هاي سري هاي زماني عملكرد بهتري نسبت به مدل هاي شبكه عصبي و ANFIS با تفكيك خوشه اي و شبكه اي داشته اند.

Simulation of river flow in order to understand the river yield in the future is one of the important and practical issues in water resource management. In this study, monthly discharge of Taleghan river in Glinak stations at one step proceeding were forecasted using Artificial Intelligent (Artificial Neural Network MLP, ANFIS with Grid Partition and Subtractive Clustering) and time series methods. Two inputs including raw discharge data and de-seasonalised discharge data were used for different models. For time series models, ARIMA (3,0,0)(0,1,1) were selected as suitable model. The optimum structure in Artificial Intelligence method after pre-processing was determined using input and output data based on trial and error, and then, using the optimum structure, the streamflow discharge was forecasted. After the output of each single model was obtained, the structure of hybrid models were determined. The results showed hybrid methods 3 and 2 have the best application and time series model has better results than Artificial Intelligent methods.