معرفي و كاربرد الگوي تلفيقي پيشنهادي BL-ARCH در پيش بيني دبي روزانه رودخانه (مطالعه موردي رودخانه شهرچاي اروميه)

Introducing and Application of Combined BL-ARCH Model for Daily River flow Forecasting (Case study: Shahar-Chai River)

استفاده از مدلهاي سري زماني يكي از راههاي كاربردي در شبيه سازي و پيش بيني داده هاي هيدرولوژيكي است. يكي از نقاط ضعف مدل-هاي سري زماني در پيش بيني داده هاي هيدرولوژيكي، نحوه توليد داده هاي تصادفي است. به طوريكه داده هاي توليدي نيز با تغيير سري تصادفي، تغيير خواهند كرد. اين تحقيق با الگوي غيرخطي ARCH بخش تصادفي مدل سري زماني مختص آن رودخانه را مدل سازي مي كند. سپس سري تصادفي توليد مي شود. مدل تلفيقي پيشنهادي BL-ARCH براي پيش بيني جريان رودخانه، با تلفيق مدل ARCH و مدل غيرخطي BL ارايه گرديده است. داده هاي روزانه 31 ساله دبي رودخانه شهرچاي اروميه واقع در غرب درياچه اروميه و استان آذربايجان غربي، براي پيش بيني 11 ساله جريان رودخانه استفاده شده است. نتايج حاصل نشان داد كه مدل تلفيقي پيشنهادي با خطاي 52/4، نسبت به مدل دوخطي با خطاي77/6 برازش بهتري نسبت به مدل دوخطي دارد. اين مدل مي تواند در پيش بيني جريان هاي كوتاه مدت رودخانه به ويژه جريان هاي روزانه به كارگرفته شود.

One of the applicable ways for simulation and forecasting hydrological processes is time series modeling. An important problem in forecasting hydrological data using time series is generating stochastic data. Any changes in stochastic series will change generating data. In this study nonlinear ARCH model presented in order to modeling and generating stochastic component of time series. After combing ARCH model with nonlinear bilinear model, BL-ARCH model suggested to forecasting river flow discharge. Daily river flow of Shahar-Chai River located in the west of Urmia Lake and West Azarbaijan province have been used for data analysis and 11 years forecasting. As results shown suggested model with 4.52 error has better than bilinear model with 6.77 error. So this model can be used for short-time river flow forecasting specially daily series.