مرتع و آبخیزداری, دوره (68), شماره (3), سال (2015-12) , صفحات (553-571)

عنوان : ( پیش‌بینی بارندگی ماهانه با استفاده مستقیم از موجک و شبکه عصبی موجکی )

نویسندگان: پریوش طوفانی , احمد فاخری فرد , ابوالفضل مساعدی , امیر حمد دهقانی ,
فایل: Full Text

استناددهی: BibTeX | EndNote

چکیده

برآورد و پیش‌‌بینی بارش اهمیت ویژه‌ای دارد. به دلیل نبود قطعیت، هیچ‌یک از مد‌ل‌های آماری و مفهومی نتوانسته‌اند به عنوان یک مدل برتر در الگوسازی دقیق بارش شناخته شوند. اخیراً استفاده از موجک در آنالیز سیگنال‌ها و سری‌های زمانی در هیدرولوژی مورد توجه قرار گرفته‌است. در این تحقیق، سیگنال بارندگی با استفاده از موجک مادر منتخب تجزیه شده و داده‌های حاصل با دو روش برازش معادلات مستقیم و هیبرید عصبی- موجکی برای پیش‌بینی استفاده شدند. روش مذکور در مورد پیش‌بینی بارندگی ماهانه 33 سال ایستگاه زرینگل از سال آبی 55-1354 تا 87-1386 به کار گرفته شد و نتایج حاصل با یکدیگر مقایسه شد. نتایج نشان داد که تجزیه سیگنال با موجک، همبستگی میان داده‌های مشاهداتی و محاسباتی را به طور قابل ملاحظه‌ای افزایش می‌دهد و پیش‌بینی سیگنال بارندگی با دقت بیشتری صورت می‌گیرد، به طوری‌که در روش مستقیم میزان R2 برابر با 74/0 و در روش هیبرید عصبی- موجکی در بهترین حالت برای 4 سطح تجزیه برابر 95/0 است. این نتیجه می‌تواند قدرت موجک در ساده‌سازی سیگنال و افزایش دقت پیش‌بینی داده‌های کاملاً تصادفی بارندگی در منطقه مورد نظر را تایید کند. ضمن آنکه، معنی‌دار نبودن آزمون تست Fدر سطح %90 و بالاتر، تایید دیگری بر این مطلب است.

کلمات کلیدی

, بارش, پیش‌بینی, سیگنال, تئوری موجک, هیبرید عصبی- موجکی, زرینگل