پيش بيني بلند مدت جريان رودخانه با استفاده از روش تحليل طيف تكين در حوضه كرخه

Long-lead streamflow forecasting using singular spectrum analysis in the Karkheh basin

در ده هاي گذشته روش هاي مختلفي براي تجزيه و تحليل و پيش بيني متغيرهاي فيزيكي استفاده شده است. يكي از آنها، روش آماري تحليل طيف تكين (SSA) مي باشد. SSA از روش هاي مورد استفاده در مدل سازي فرايندهاي مختلف آماري است و اخيراً استفاده از آن در رشته هاي مختلف مهندسي از جمله منابع آب به منظور حذف اجزاء تصادفي موجود در سري هاي زماني گسترش يافته است. هدف اصلي از اين تحقيق پيش بيني مقادير جريان رودخانه هاي حوضه كرخه با استفاده از روش SSA مي-باشد. ابتدا ايستگاه هاي شاخص در حوضه كرخه (پنج ايستگاه) براي اين كار انتخاب گرديد. دوره پر آبي ايستگاه ها تعيين شد. براي مدل سازي 70 درصد داده ها براي واسنجي و 30 درصد داده ها براي صحت سنجي در نظر گرفته شد. ابتدا از روش SSA براي پردازش اوليه داده ها و حذف نوفه موجود در سري هاي زماني جريان رودخانه استفاده شد. سپس از الگوريتم بازگشتي روش SSA براي ساخت مدل پيش بيني آبدهي رودخانه در ايستگاه هاي حوضه كرخه استفاده شد. براي بررسي عملكرد مدل از معيار جذر ميانگين مربعات خطا نرمال شده، ميانگين قدرمطلق خطاي نسبي و ضريب همبستگي استفاده گرديد. در مرحله صحت-سنجي بيشترين مقدار آماره NRMSE و MARE به ترتيب برابر 0.47 و 0.5براي ايستگاه هاي پل چهر بود. كمترين مقدار آماره NRMSE براي ايستگاه پل دختر و چم انجير نزديك به هم و برابر 0.3 و 0.31 و كمترين مقدار آماره MARE براي ايستگاه چم انجير و پل دختر، نزديك به هم و برابر 0.29 و 0.30 بود. در نهايت بهترين و ضعيف ترين نتيجه در دو مرحله واسنجي و صحت سنجي به ترتيب براي ايستگاه هاي چم انجير و پل چهر به دست آمد. بر اساس نتايج اين تحقيق مي توان با به كارگيري روش SSA مقادير جريان رودخانه را با دقت مناسب پيش بيني نمود.

In the past decade the different methods have been used to analyze and predict the physical variables، one of which is singular spectrum analysis (SSA) statistical methods. SSA is one of the methods، used in modeling various statistical processes and more recently، its use in various engineering disciplines including water resources، in order to eliminate random components in time series has been expanded. The main objective of this study was to forecast streamflow in the Karkheh basin using singular spectrum analysis. The gage stations in the Karkheh basin (five station) were selected for this study. The high flow period for these gage stations were determined. In order to modeling methods، 70% and 30% of data were used for calibration and validation respectively. The singular spectrum analysis method was used for pre-processing of data and elimination of noise in the time series of streamflow. Then، the recursive algorithm of the singular spectrum analysis model was used to develop forecasts models of streamflow in the Karkheh basin gage stations. To evaluate the performance of the model Normalized root mean square error، mean absolute error and correlation coefficient were used. In the validation the highest and lowest value of the NRMSE and MARE statistics were 0.47 and 0.50 for Pol Chehr station. The lowest value of the NRMSE statistic for Pol Dokhtar and Cham Anjir stations was 0.3 and 0.31 respectively and close to each other and the lowest value of the MARE statistic for Cham Anjir and Pol Dokhtar stations was 0.29 and 0.30 respectively and close to each other. Finally، the best and the weakest results in two stages of calibration and validation were for Cham Anjir and Pol Chehr Stations respectively. The results of this research showed that singular spectrum analysis can be used to forecast streamflow with reasonable accuracy