پيش‌بيني دبي رودخانه با استفاده از روش تركيبي حافظه طولاني كوتاه مدت، تبديل موجك و تجزيه مدتجربي در اقليم نيمه‌خشك و مرطوب

كشور ايران با اقليمي خشك و نيمه‌خشك با سيل‌هاي مخرب، خشك‌سالي و كم‌آبي روبرو است. خشك‌سالي و سيلاب‌ها مي‌تواند محيط‌زيست، فعاليت‌هاي اقتصادي و اجتماعي را تحت تأثير قرار دهد. بنابراين بررسي و پيش‌بيني دبي رودخانه‌ها و برنامه‌ريزي مديريتي به‌منظور كنترل آن مخصوص مصرف آب در آينده بسيار ارزشمند است. در اين پژوهش، تغييرات دبي رودخانه با استفاده از داده‌هاي آماري از سال 2001 تا 2020 مدل‌سازي شد. داده‌هاي آماري مربوط به ايستگاه‌هاي سينوپيك و هيدرومتر يك منطقه نيمه‌خشك در استان آذربايجان غربي شهرستان اروميه و مرطوب در استان مازندران شهرستان آمل استفاده شد. از دوازده مدل زماني تعريف‌شده براي شبكه (long short term memory)يا به‌اختصارLSTM بهترين مدل مشخص شد. سپس مدل‌سازي LSTM بر پايه روش‌هاي پيش پردازنده تبديل موجك گسسته(Discrete Wavelet Transform) به‌اختصارDWT و تجزيه مد تجربي كامل (Complementary Ensemble Empirical Mode Decomposition) به‌اختصار (CEEMD) انجام شد. نتايج حاصل نشان داد كه مدل‌ منتخب قابليت و كارايي بالايي در تخمين ميزان دبي رودخانه را دارد. از طرفي ديگر روش‌هاي پيش پردازنده باعث بهبود نتايج شدند. به‌طوري‌كه در تبديل موجك معيار ارزيابي DC مدل برتر در رودخانه نازلو از 0.93 به 0.95 و در رودخانه چالوس از 0.83 به 0.90 افزايش يافت. بهترين حالت ارزيابي براي داده‌هاي آزمون با استفاده از تبديل موجك براي رودخانه نازلو در اقليم نيمه‌خشك با معيارهاي ارزيابي 0.977=R و 0.954=DC و 0.018=RMSE به دست آمد. همچنين با توجه به نتايج آناليز حساسيت مشخص شد پارامتر دبي يك روز قبل ، تأثيرگذارترين پارامتر در تخمين دبي روزانه است.