وحید ورشاویان

در دهه های اخیر با توجه به ازدیاد جمعیت از یک سو و محدودیت منابع آب از طرف دیگر، استفاده بهینه از منابع آب مورد توجه قرار گرفته است. شبیه سازی و پیش بینی هر چه دقیق تر دبی جریان و تغییرات آن در طول رودخانه از ارکان اساسی برنامه ریزی و مدیریت منابع آبهای سطحی می باشد. در این پژوهش از یک مدل استوکاستیک و یک مدل مبتنی بر هوش مصنوعی جهت شبیه سازی و پیش بینی دبی جریان رودخانه شاهرود در استان گیالن بهره گرفته شد. برای این امر از دادههای ماهانه بلند مدت ثبت شده در ایستگاه هیدرومتری لوشان به مدت 05 سال بهرهگرفته شد. 94 سال از این دوره جهت شبیهسازی و اعتبازسنجی، و 12 ماه آخر برای سنجش دقت دو مدل در پیشبینی روبهجلو انتخاب گردیدند. دادهها نرمال، ایستا و حذف روند شده و پس از خروج از مدل SARIMA و همچنین شبکه عصبی GRNN بهوسیله معیارهای SBC ،R ،RMSE و MSE سنجیدهشدند که نتایج بیانگر دقت باالی هردومدل بود. سرانجام مدل 12)*3,1,3)(0,0,2(SARIMA که در بین مدلهای فصلی سری زمانی بعنوان مدل برگزیده شناخته شده بود، با 42.0=RMSE و 91.0=R در شبیهسازی، و 38.0=RMSE و 87.0=R در پیشبینی روبهجلو، نسبت به GRNN دارای دقت مطلوبتری بود. برای GRNN مقادیر RMSE در دوره شبیهسازی و پیشبینی بهترتیب برابر با 45.0 و 513.0 ،و R برابر با 90.0 و 85.0 برآورد شد که با اندکی تفاوت به نسبتِ SARIMA ، عملکردی قابل قبول در شبیهسازی و پیشبینی جریان ماهانه این رودخانه نشان داد.