مقایسه عملکرد مدل های استوکاستیک در تولید داده های ماهیانه جریان و بارندگی

مدل های تولید داده مصنوعی به عنوان ابزار مناسبی جهت پیش بینی و تولید سری های زمانی جانشین یا یک سری بسیار طولانی مدت در مطالعات منابع آب شناخته شده و این مدل ها به طور وسیعی در سراسر دنیا توسط محققین مختلف مورد استفاده قرار می گیرد. این مدل ها برای تولید داده های مصنوعی سالیانه، ماهیانه و روزانه بارندگی یا جریان رودخانه ‏ای در طی دهه های اخیر توسعه داده شده اند. در این میان مدل های تولید داده مصنوعی ماهیانه به دلیل استفاده در مطالعات مهم و اساسی سیستم های منابع آب از جمله سیستم مخازن ذخیره، پایش خشکسالی و غیره دارای اهمیت خاصی بوده و استفاده از آنها تحلیل دقیقتر از رفتار عملکرد واقعی چنین سیستم هایی را فراهم می کند. از طرف دیگر، پایه نظری مدل های استوکاستیک مختلف تولید داده های ماهیانه متفاوت بوده و این امر می تواند اثر قابل توجهی در عملکرد آنها داشته باشد. لذا انتخاب یک مدل مناسب تر در مطالعه و تحلیل دقیق و درست یک سیستم منابع آب یکی از دغدغه های مهم متخصصین منابع آب می باشد. در این مطالعه با استفاده از روش شبیه سازی مونت کارلو، عملکرد چهار تیپ ازمدل غیرپارامتریک bootstrap و مــدل هــــای پـــارامتـــریــک valencia-schaake، thomas-fiering و fragment در تولید داده های ماهیانه مصنوعی مورد مقایسه و ارزیابی قرار گرفته است. بدین منظور داده های جریان ماهیانه 47 ساله سه رودخانه نازلوچای، شهرچای و باراندوزچای واقع در استان آذربایجان غربی درشمال غرب ایران مورد استفاده قرار گرفته و 1000 سری زمانی مصنوعی جریان های ماهیانه 47 ساله برای هر سه رودخانه مذکور به ازاء هر کدام از مدل های هفتگانه مورد مطالعه، تولید و مورد استفاده قرار گرفته است. نتایج مطالعه نشان داد که مدل توزیعی valencia-schaake دارای عملکرد بسیار مطلوب نسبت به سایر مدل ها به ازاء تمامی آماره های مطرح ارزیابی است.