پیش بینی جریان رودخانه با استفاده از آنالیز موجک و مقایسه آن با مدل سری های زمانی ( مطالعه موردی: رودخانه لیقوان چای).

چکیده در دو دهه اخیر استفاده از مدل های غیرخطی در پیش بینی جریان رودخانه ها مورد توجه محققان واقع شده است که از آن جمله می توان به مدل شبکه های عصبی مصنوعی، برنامه ریزی ژنتیک، سری های زمانی، آنالیز موجک و ... اشاره نمود. آنالیز تبدیل موجک از طریق تجزیه سیگنال ها به زمان و فرکانس همچون تجزیه سیگنال های متناوب و غیرثابت از طریق آنالیز فوریه شیوه نوینی را برای پردازش سیگنال ها ارائه می دهد. در این مطالعه از موجک گسسته میر و سطوح تجزیه متفاوت برای پیش بینی جریان متوسط ماهانه رودخانه لیقوان چای استفاده شد. نتایج نشان داد که مناسب ترین سطح تجزیه برای سری داده ها 10 سطح می باشد. بهترین افق پیش بینی ماهانه، 12 ماه و ضریب همبستگی بین داده های مشاهداتی و پیش بینی شده نیز 0.92 می-باشد. در مورد سری های زمانی نیز با توجه به معیارهای موجود، مدل (1,1,1)12 arima (1,0,1), بهترین نتایج را در بردارد که ضریب همبستگی در اینجا 0.86 می گردد. سری زمانی نقاط پیک سری را بهتر آنالیز کرده و مقادیر پیش بینی شده نزدیک به مقادیر مشاهداتی می باشد. در نهایت با توجه به ضریب همبستگی دو روش روش تبدیل موجک مناسب تر تشخیص داده شد.