مدلسازي بارش - رواناب با مدل تركيبي موجك - شبكه عصبي مصنوعي

مدلسازي منطقي و دقيق فرايند بارش – رواناب به عنوان اولين و مهمترين گام در راستاي مبارزه با سيلاب به عنوان يك بلاي طبيعي مي باشد. براي مطالعه اين فرايند استوكاستيك امروزه از مدل هاي جعبه سياه از جمله مدل سري هاي زماني و يا اخيرا از مدل شبكه هاي عصبي مصنوعي (ANN) كه قابليت پيش بيني و مدلسازي غير خطي را نيز دارا مي باشد. بطور گسترده ايي استفاده مي شود . همزمان استفاده از ANN استفاده از اناليز موجك (Wavelet Analyze) در زمينه هيدرولوژي نيز مطرح گرديده است. تركيب اين دو قابليت، مدل تركيبي با كارايي بهتر در پيش بيني فرايندهاي هيدرولوژيكي به نام شبكه هاي عصبي – موجك (Conjoined Wavelet – ANN Network) را به وجود مي آورد. در اين مقاله نخست مباني اين شبكه ها بيان شده و سپس با بهره گيري از آن به مطاعه موردي حوضه ليقوان چاي پرداخته شده است. نتايج بيانگر آن است كه اين روش نسبت به روش هاي كلاسيك گذشته و روش هايي همانند استفاده از شبكه عصبي تنها، كارايي بالاري را دارا مي باشد. چرا كه روي ميزان تاثير داده هاي سري زماني قبل از ورود به شبكه تفكيك پذيري صورت مي گيرد. و سيگنال اوليه به چندين زير سيگنال (Sub Signal) تجزيه شده كه با اين كار اين امكان را فراهم ميآيد كه بتوان از يك آناليز كه تاثيرات كوتاه مدت و بلند مدت را در بر مي گيرد بهره مند شد. كه اين به نوبه خود شبكه را در ارزيابي و تخمين هاي آينده بهينه تر مي سازد.