مدل تركيبي موجك – شبكه عصبي مصنوعي براي مدلسازي بارش-رواناب

مدلسازی منطقی و دقیق فرایند بارش - رواناب به عنوان اولین و مهمترین گام در راستای مبارزه با سیلاب با عنوان یك بلایای طبیعی می باشد برای مطالعه این فرایند استوكاستیك امروزه از مدل های جعبه سیاه ازجمله مدل سری زمانی و یا اخیرا از مدل شبكه های عصبی مصنوعی (ANN) كه قابلیت پیش بینی و مدلسازی غیرخطی را نیز دارا می باشد. بطور گسترده ای استفاده می شود. همزمان باه گسترش استفاده از ANN، استفاده از آنالیز موجك (Wavelet Analyze) در زمینه هیدرولوژی نیز مطرح گردیده است تركیب این دو قابلیت مدل تركیبی با كارایی بهتر در پیش بینی فرایند هیدرولوژیكی به نام شبكه های عصبی - موجك (Conjoined Wavelet ANN Networks)را به وجود می آورد. دراین مقاله نخست مبانی این شبكه بیان شده است و سپس با بهره گیری از آن به مطالعه موردی حوزه لیقوان چای پرداخته شده است نتایج بیانگر آن است كه این روش نسبت به روشهای كلاسیك گذشته و روشهایی همانند استفاده از شبكه عصبی تنها، كارایی بالاتری را دارا می باشد . چرا كه روی میزان تاثیر داده های سری زمانی قبل از ورود به شبكه تفكیك پذیری صورت می گیرد و سیگنال اولیه به چندین زیر سیگنال ( sub singnal) تجزیه شده كه با این كار این امكان فراهم می آید كه بتوان از یك آنالیز كه تاثیرات كوتاه مدت و بلندمدت را در بر می گیرد بهره مند شد كه این به نوبه خود شبكه را در ارزیابی و تخمینهای آینده بهینه تر می سازد.