تأثير كاهش نويز در تحليل‌ آشوبي جريان رودخانه‌‌ نازلوچاي

با توجه به ماهيت ديناميك و غير خطي جريان رودخانه، مي‌توان انتظار داشت كه سري زماني جريان رودخانه از يك سيستم ديناميكي قطعي آشوبي به‌دست آمده باشد. با توجه به اينكه سري‌هاي زماني به‌دست آمده از پديده‌هاي طبيعي عموماً با نويز مخدوش شده‌اند، وجود نويز فرآيند تحليل‌هاي آشوبي و در نهايت پيش‌بيني سري‌هاي زماني را با محدوديت‌هايي مواجه مي‌سازد. بنابراين در اين تحقيق با استفاده از آمار دبي‌هاي روزانه‌ رودخانه نازلوچاي در دوره مهر 1369 تا شهريور 1391، تحليل‌ آشوبي شامل بررسي وجود آشوب با استفاده از روش بعد همبستگي و نيز شبيه‌سازي جريان رودخانه با استفاده از مدل تقريب موضعي انجام پذيرفت. سپس به‌منظور بررسي تأثير نويز در فرآيند تحليل‌ها، كاهش نويز سري زماني به‌روش غير خطي مبتني بر بازسازي فضاي حالت انجام گرفت. نتايج نشان‌دهنده‌ كاهش 07/6 درصدي بعد همبستگي و افزايش دقت مدل تقريب موضعي براي سري نويز زدايي شده نسبت به سري اصلي داده‌ها (افزايش09/1 درصدي R2 و كاهش 48 درصدي RMSE) بود. در نهايت با استفاده از مدل منتخب شبيه‌سازي، پيش‌بيني جريان رودخانه با استفاده از سري اصلي و سري نويز زدايي شده براي سال آبي 92-91 انجام گرفت. نتايج مدل پيش‌بيني با استفاده از سري نويززدايي شده داراي دقت بيشتري نسبت به مدل با استفاده از سري اصلي بود.

Considering the dynamic and nonlinear nature of river flow, it is expected that the river flow time series is obtained from a deterministic chaotic system. Since that the time series obtained from the natural phenomena are generally contaminated by noise, the presence of noise limits the chaotic analysis and consequently makes limitations in the prediction of time series. For this reason, in this study the chaotic analysis, including the evaluation of the presence of chaos using correlation dimension and simulating the river flow using Local Approximation Method, was investigated on daily series of Nazluchay River during the 1990 to 2012 period. Afterwards, in order to evaluate the noise effect on the process of analysis, noise reduction of time series was carried out by a nonlinear method based on phase space reconstruction. The results showed 6.07% decrease in correlation dimension and an increase in model accuracy for the noise reduced time series with respect to the original series (1.09% increase in R2 and 48% decrease in RMSE). Finally, by the selected simulation model, prediction of the river flow was done using the original and noise reduced time series for the 2012-2013 period. The model results predicted with the noise reduced series were found to be more accurate than those with the original series.