تخمين ميزان رواناب در مناطق نيمه خشك با استفاده از روش تركيبي موجك- شبكه عصبي MLP و موجك-انفيس

تخمين و پيش بيني ميزان رواناب يكي از اساسي ترين بخش هاي مديريت منابع آب مي باشد. اين تحقيق به منظور برآورد ميزان رواناب در مناطق نيمه خشك با استفاده از روش هاي تركيبي موجك-شبكه عصبي MLP و موجك -انفيس انجام شده است. اين كار به دليل نقشي كه رواناب سطحي در مديريت منابع آب در مناطق خشك به ويژه در شرايط بحران آب دارد از اهميت بالايي برخوردار مي باشد. براي اين منظور مقياس زماني روزانه مورد استفاده قرار گرفت. بدين منظور ابتدا داده هاي ورودي مورد نظر كه شامل مقادير بارش، دما، برف، بيشينه و كمينه دماي روزانه، رطوبت و سرعت باد مي باشد و نيز مقادير دبي آب كه به عنوان خروجي مدل در نظر گرفته مي شود با تحليل يك بعدي موجك به مؤلفه‌هاي فركانس پايين و فركانس بالاي خود تجزيه شدند. براي اين منظور تبديل موجك با مادر موجك هاي مختلف و در سطوح مختلف انجام شد. در گام بعد، مولفه هاي توليد شده به مدل هاي شبكه عصبي MLP و انفيس وارد شدند. مقادير مولفه هاي خروجي (دبي آب) تخمين زده شده در مدل هاي مذكور در گام بعدي با تبديل معكوس موجك به مقادير واقعي رواناب تبديل شدند. نتايج نشان داد كه مدل موجك-انفيس با R2 معادل 86 /0 و RMSE معادل m3/s 2 نسبت به مدل تلفيقي موجك-شبكه عصبي MLP با R2 معادل 83/ 0 و RMSE معادل m3/s 2/24 عملكرد بهتري داشته است. اين تحقيق نشان داد تلفيق مدل هاي موجود با تحليل سيگنال موجك مي تواند نتايج قابل قبولي ايجاد نمايد.