استفاده از روش‌هاي شبكه عصبي موجكي و سيستم استنتاج فازي عصبي تطبيقي در پيش‌بيني بارش ماهانه

The use of wavelet - artificial neural network and adaptive neuro fuzzy inference system models to predict monthly precipitation

پيش بيني بارش به دليل ماهيت تصادفي آن در مكان و زمان همواره با مشكلات بسياري مواجه بوده است و اين عدم قطعيت از اعتبار بسياري از مدل هاي پيش بيني مي كاهد. امروزه شبكه هاي غيرخطي به عنوان يكي از سيستم هاي هوشمند در پيش بيني يك چنين پديده هاي پيچيده اي بسيار مورد استفاده قرار مي گيرند. يكي از روش هايي كه در سال هاي اخير در زمينه هيدرولوژي مورد توجه قرار گرفته است، استفاده از تبديل موجك به عنوان روشي نوين و مؤثر در زمينه آناليز سيگنال ها و سري هاي زماني است. در پژوهش حاضر، تجزيه و تحليل موجك به صورت تركيب با شبكه عصبي مصنوعي و مقايسه با سيستم استنتاج فازي- عصبي تطبيقي براي پيش بيني بارش ايستگاه وراينه در شهرستان نهاوند انجام شد. براي اين منظور، سري زماني اصلي با استفاده از تئوري موجك به چندين زيرسيگنال زماني تجزيه شد، پس از آن اين زيرسيگنال ها به عنوان داده هاي ورودي به شبكه عصبي مصنوعي براي پيش بيني بارش ماهانه استفاده شد. نتايج به دست آمده نشان داد كه مدل تركيبي موجك- شبكه عصبي عملكرد بهتري نسبت به مدل سيستم استنتاج فازي- عصبي تطبيقي دارد و مي تواند براي پيش بيني بارش كوتاه مدت و بلند مدت استفاده شود. همچنين نتايج نشان داد كه مدل تركيبي موجك- شبكه عصبي در برآورد نقاط حدي به خوبي عمل مي كند.

Precipitation forecasting due to its random nature in space and time always faced with many problems and this uncertainty reduces the validity of the forecasting model. Nowadays nonlinear networks as intelligent systems to predict such complex phenomena are widely used. One of the methods that have been considered in recent years in the fields of hydrology is use of wavelet transform as a modern and efficient method to analysis of signals and time series.In this study, wavelet analysis combined with artificial neural network and compared with fuzzy inference system-adaptive neural for forecasting rainfall in Vrayneh station in the Nahavand. For this purpose, the original time series using wavelet theory decomposed to multi time sub-signals, then these sub-signals as input data to the neural network was used to predict monthly flow.Obtained results showed that hybrid wavelet - neural network model outperformed than fuzzy inference system - adaptive neural model and cant used for prediction of short and long term precipitation. Also the results showed that the hybrid model of wavelet - neural network acts well in estimating the extent points.