مقایسه مدل ترکیبی موجک - نروفازی و نروفازی در پیش بینی رواناب ناشی از ذوب برف (مطالعه موردی :حوزه آبخیز سد لتیان)

نوع مقاله: مقاله پژوهشی

10.22092/wmej.2015.107088

چکیده

فرآیند بارش-رواناب پدیده‌ای فیزیکی است که بررسی آن به سبب  تاثیرپذیری از پارامترهای مختلف، دشوار می‌باشد. تاکنون روش‌های مختلفی برای تحلیل این پدیده ارایه شده است. پژوهش حاضر با هدف بررسی کارآمدی مدل ترکیبی موجک-نروفازی و نروفازی در شبیه‌سازی فرآیند بارش-رواناب با دخالت دادن ارتفاع آب معادل برف در حوزه آبخیز لتیان واقع در استان تهران صورت گرفته است. بدین منظور92 تصویر سنجنده مودیس در طی سه سال آبی 83-1382 تا 85-1384  از سایت ناسا دریافت گردید و سطح پوشش برف در هر یک از تصاویر استخراج و میزان ارتفاع آب معادل برف در طی سال‌های مورد نظر محاسبه شد. همچنین داده‌های ارتفاع بارندگی، درجه حرارت و دبی در سال‌های مورد نظر در دسترس بوده که برای مدلسازی استفاده شد. نتایج نشان داد مدل ترکیبی موجک - نروفازی با ورودی باران، دما و آب معادل برف با یک روز تاخیر با ریشه میانگین مربعات خطا  006/0 و ضریب تبیین 97/0 نسبت به مدل نروفازی با تفکیک خوشه‌ای با ورودی باران، دما و آب معادل برف بدون تاخیر با ریشه میانگین مربعات خطا 059/0 و ضریب تبیین 62/0 و شبکه نروفازی با تفکیک شبکه‌ای با ورودی باران، دما و آب معادل برف با ریشه میانگین مربعات خطا 059/0 و ضریب تبیین 65/0 دارای عملکرد بهتری بوده است. .همچنین نتایج نشان داد دخالت دادن آب معادل برف باعث افزایش دقت مدل شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Comparison of Hybrid Wavelet- Adaptive Neuro-fuzzy Inference System and Adaptive Neuro-fuzzy Inference System for Snowmelt- Runoff Prediction (Case Study:Latyan Dam Watershed)

چکیده [English]

Rainfall-runoff process is physical phenomena that their investigation is very difficult due to effectiveness of different parameters. Various methods have so far introduced to analyze these phenomena. This study has been aimed to investigate performance of wavelet-adaptive neuro-fuzzy inference system (wavelet-ANFIS) and adaptive neuro-fuzzy inference system (ANFIS) for simulation of rainfall-runoff process involved with snow water equivalent (SWE) in Latyan watershed located in Tehran province. For this reason, 92 MODIS images have provided by NASA website during three water years 2003-2005, snow cover area in all images has been extracted and finally SWE values have been calculated for the mentioned years. Also, the rainfall, temperature and discharge data for the mentioned years is available which has been used for modeling. The results showed that wavelet-ANFIS with rainfall, temperature and discharge inputs and 1-day delay these inputs with root mean   (RMSE) of 0.006 and coeffficient of determination(R2) of 0.97 had more effeciency than ANFIS by grid partitioning with rainfall, temperature and discharge inputs with RMSE of 0.059 and R2 of 0.62 and ANFIS by subtractive clustering with rainfall, temperature and discharge inputs with RMSE of 0.059 and R2 of 0.65.  The results Also showed that SWE involvement causes to increase the accuracy of models.

کلیدواژه‌ها [English]

  • ANFIS
  • Wavelet-ANFIS hybrid model
  • Rainfall-runoff
  • Latyan watershed