TY - JOUR ID - 77105 TI - پیش بینی جریان ماهانه رودخانه با استفاده از ترکیب مدل های خطی سری زمانی و شبکه های بیزین (مطالعه موردی: رودخانه بختیاری) JO - مدیریت آب و آبیاری JA - JWIM LA - fa SN - 2251-6298 AU - احمدی, فرشاد AU - ولی نیا, میر محمود AD - استادیار، گروه هیدرولوژی و مهندسی منابع آب، دانشکده مهندسی علوم آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران. AD - کارشناس دفتر فنی، شرکت آب منطقه ای استان آذربایجان غربی، ارومیه، ایران Y1 - 2020 PY - 2020 VL - 10 IS - 2 SP - 233 EP - 245 KW - آزمون ایستایی KW - الگوی ورودی KW - توسعه مدل KW - شبکه بیزین DO - 10.22059/jwim.2020.300562.783 N2 - یکی از مسائل مهم در مدیریت منابع آب، تهیه و توسعه مدل‌های مناسب به منظور پیش‌بینی دقیق‌تر فرآیند جریان رودخانه‌ها می‌-باشد. بدین منظور در مطالعه حاضر برای پیش‌بینی جریان ماهانه رودخانه بختیاری، در دوره آماری 1395-1334، از مدل‌های سری-زمانی خطی (ARMA)، مدل هوشمند شبکه بیزین (BN) و مدل تلفیقی BN-ARMA استفاده شد. عملکرد مدل‌های توسعه یافته براساس شاخص‌های آماری جذر میانگین مربعات خطا (RMSE)، ضریب همبستگی (CC) و آماره کلینگ- گوپتا (KGE) مورد ارزیابی قرار گرفتند. از بین مدل‌های سری زمانی برازش یافته به داده‌ها، مدل AR(3) با داشتن کمترین مقدار معیار اکایکه اصلاح شده برابر با 3/1089 به عنوان مدل مناسب سری ماهانه جریان انتخاب گردید. نتایج نشان داد که مدل AR(3) با خطای ( ) 786/47 از عملکرد قابل قبولی برخوردار است. برای مدل‌سازی جریان ماهانه رودخانه با استفاده از مدل BN از حافظه‌های دبی یک ماه قبل، دو ماه قبل تا پنج ماه قبل استفاده شد. نتایج نشان داد که با توالی سه ماه جریان عملکرد مدل به بهینه ترین حالت ممکن رسیده و با افزایش تعداد ورودی‌ها عملکرد آن تضعیف می‌شود. ضریب همبستگی، جذر میانگین مربعات خطا و KGE در بهترین حالت مدل BN در مرحله آزمون به ترتیب 826/0 و ( ) 303/45 و 789/0 می‌باشد. در مرحله بعد تلفیق مدل‌های BN و ARMA(3,0) انجام شد. نتایج حاصل نشان داد که مدل تلفیقی BN-ARMA به طور قابل ملاحظه‌ای دقت مدل‌سازی را افزایش داده و خطای پیش‌بینی را از ( ) 303/45 به ( ) 021/15 کاهش داد. UR - https://jwim.ut.ac.ir/article_77105.html L1 - https://jwim.ut.ac.ir/article_77105_54975f134709e1f5b783a5f6c8756271.pdf ER -