تحلیل روند و پیش بینی بارندگی‎ ‎و دبی حوزه آبخیز دریاچه ارومیه ‏ با استفاده از تئوری موجک‏

‏ ‏‎ ‎پیش بینی‎ ‎دقیق‎ ‎و‎ ‎به موقع‎ ‎منابع‎ ‎آب‎ ‎در‎ ‎دسترس‎ ‎را‎ ‎می توان‎ ‎نکته‎ ‎کلیدی‎ ‎در برنامه ریزی،‎ ‎مدیریت‎ ‎و‎ ‎بهره برداری‎ ‎بهینه‎ ‎از‎ ‎منابع‎ ‎آب قلمداد‎ ‎کرد‎.‎‏ بر‎ ‎این‎ ‎پایه‎ ‎دستیابی‎ ‎به‎ ‎روش های‎ ‎مطمئن پیش بینی‎ ‎جریان‎ ‎رودخانه ها‎ ‎به‎ ‎منظور‎ ‎برنامه ر یزی‎ ‎در‎ ‎بهره برداری‎ ‎به موقع‎ ‎از‎ ‎منابع‎ ‎آب‎ ‎از‎ ‎اهمیت‎ ‎روزافزونی‎ ‎برخوردار است‎.‎‏ ‏از سوی دیگر با توجه به اینکه مقدار و زمان وقوع بارندگی مهمترین نقش را در نحو? مدیریت منابع آب ‏یک منطقه دارد، پیش بینی این متغیر هواشناسی و هیدرولوژیکی می تواند کمک شایانی به مدیران، ‏برنامه ریزان، کشاورزان و سایر مردم هر جامعه ای در رابطه با برنامه ریزی و استفاده بهینه از منابع آب ‏بنماید. با وجود روابط غیر خطی، عدم قطعیت و عدم صراحت زیاد و ویژگی های متغیر زمانی و مکانی ‏در سیستم گردش آبی، هیچ یک از مدل های آماری و مفهومی پیشنهاد شده جهت الگوسازی دقیق ‏بارش و رواناب نتوانسته اند به عنوان یک مدل برتر و توانا شناخته شوند. استفاده از موجک (‏wavelet‏) ‏به عنوان یکی از روش های نوین و موثر در زمینه آنالیز سیگنال ها و سری های زمانی، در سال های اخیر ‏در زمینه هیدرولوژی مورد توجه قرار گرفته است.‏ در این تحقیق، ابتدا روند موجود در سری های ماهانه و سالانه بارندگی و دبی رودخانه ایستگاه های ‏واقع در حوز? آبریز دریاچه ارومیه مورد بررسی قرار گرفت و روند های موجود در سری های فوق با به ‏کارگیری دو آزمون ناپارامتری من-کندال و اسپیرمن استخراج گردید. وجود روند افزایشی در میانگین ‏بارندگی در زیرحوضه های غربی دریاچ? ارومیه و روند کاهشی در میانگین دبی زیرحوضه های غربی و ‏شرقی دریاچه و همچنین بارندگی زیرحوضه های شرقی توسط دو آزمون به اثبات رسید که روند ‏کاهشی موجود در دبی میانگین زیرحوضه های شرقی، معنی دار تشخیص داده شد. سپس با استفاده از ‏آنالیز موجکی سیگنال های بارندگی و دبی، با استفاده از الگوریتم مالات، تجزیه شده و آزمون من-‏کندال بر روی داده های حاصل از تجزیه اعمال گردید و مولفه ها و فرکانس های اصلی تأثیر گذار در ‏روند های موجود، مشخص گردید. سیگنال های بارندگی و دبی با استفاده از موجک مادر منتخب تجزیه ‏گردید و داده های حاصل از تجزیه با روش برازش معادلات مستقیم برای پیش بینی استفاده شدند. ‏نهایتاً با استفاده از مدل سری های زمانی ‏arma‏ ، مدل برتر برای هر ایستگاه مشخص و اقدام به ‏پیش بینی متغیرهای فوق گردید. ‏ نتایج نشان داد که تجزیه سیگنال با موجک، همبستگی میان داده های مشاهداتی و محاسباتی را نسبت ‏به روش های سری زمانی به طور قابل ملاحظه ای افزایش می دهد و پیش بینی سیگنال با دقت بیشتری ‏صورت می گیرد.‏