شبیه سازی و برآورد آبدهی رودخانه مارون با استفاده از مدل های اتفاقی و شبکه عصبی مصنوعی

رودخانه مارون با طول 422 کیلومتر یکی از رودخانه های مهم استان خوزستان می باشد. نام اصلی و قدیمی این رودخانه تاب می باشد که از کوه های زاگرس سر چشمه می گیرد که پس از طی 120 کیلومتر به دریاچه سد مارون در 19 کیلومتری شمال شرق بهبهان در حوضه آبریز مارون می رسد. با توجه به اهمیت سد مارون در منطقه، در تحقیق حاضر به منظور پیش بینی و برآورد دبی ورودی رودخانه مارون به سد مخزنی روش های اتفاقی (استوکستیک) و شبکه عصبی مصنوعی مورد استفاده قرار گرفت. داده های مورد استفاده شامل دبی، بارش و درجه حرارت سالانه و ماهانه ایستگاه هیدرومتری ایدنک و آمار بارش ماهانه ایستگاه های چم نظام، بهبهان و خیر آباد بودند که از سازمان آب و برق خوزستان جمع آوری شدند. برای مدل سازی دبی به کمک روش های استوکستیکی از نرم افزار sams 2007 و به منظور مدل سازی دبی به روش شبکه های عصبی مصنوعی از نرم افزار qnet 2000 استفاده گردید. در مدل های استوکستیکی آمار دبی 41 سال آبی (سال های 48-1347 الی 88-1387) ایستگاه هیدرومتری ایدنک به نرم افزار معرفی شد. از میان مدل های استوکستیکی برای داده های سالانه از مدل های اتورگرسیو، اتورگرسیو میانگین متحرک و اتورگرسیو میانگین متحرک هم زمان و برای داده های ماهانه مدل های اتورگرسیو میانگین متحرک تناوبی و اتورگرسیو تناوبی چند متغیره به داده ها برازش داده شدند. نتایج مدل سازی نشان می دهد که از میان مدل های مختلف استفاده شده بر روی داده های دبی ایستگاه هیدرومتری ایدنک، مدل (carma(1,1، با توجه به معیارهای اطلاعاتی آکائیک و شوارز به عنوان مدل برتر در شبیه سازی و برآورد دبی این ایستگاه می باشد. برای مدل سازی با استفاده از شبکه عصبی مصنوعی سه حالت درنظر گرفته شد: الف- بررسی تأثیر توابع محرک در یادگیری شبکه عصبی مصنوعی، ب- بررسی تأثیر لایه های میانی در یادگیری شبکه عصبی مصنوعی، ج- بررسی تأثیر تعداد داده های ورودی بر روی یادگیری شبکه عصبی مصنوعی. نتایج این تحقیق نشان داد از میان مدل های شبکه عصبی مصنوعی، مدل شبکه عصبی با تابع محرک گوس و تعداد لایه های میانی برابر 3 با بیشترین ضریب همبستگی در مراحل آموزش و صحت سنجی به ترتیب برابر 617/0 و 633/0 به عنوان مدل برتر در پیش بینی و برآورد دبی رودخانه مارون تشخیص داده شد. در نهایت برای مقایسه شبکه عصبی مصنوعی و مدل استوکستیک داده ها به 70 و 30 درصد به ترتیب برای آموزش و صحت سنجی تقسیم شدند. از آن جایی که از میان مدل های استوکستیک، مدل (carma(1,1 و از میان مدل های شبکه عصبی، مدل گوس با سه لایه میانی به عنوان مدل برتر انتخاب شدند، داده های تفکیک شده به صورت 70 و 30 درصد به دو مدل فوق الذکر معرفی شدند. نتایج و مقایسه انجام شده نشان می دهد مدل شبکه عصبی با داشتن بیشترین ضریب همبستگی و کمترین خطای میانگین مربع ریشه (rmse) به عنوان مدل برتر برای شبیه سازی و بر آورد دبی رودخانه مارون شناخته شد.