توسعه شبکه عصبی مصنوعی و الگوریتم ازدحام ذرات برای پیش‌بینی جریان ورودی به سدها تحت تأثیر سناریوهای اقلیمی

Abstract

تغییر اقلیم با ایجاد تغییر در میزان دما و بارش موجب تغییر در آبدهی رودخانه‏‏ها می‌شود. از این‌رو، شبیه‏‏سازی جریان رودخانه به‌عنوان پیش‏‏نیاز برنامه‌ریزی و مدیریت منابع و مصارف آب ‌اهمیت فراوان دارد. لذا در پژوهش حاضر تأثیر تغییر اقلیم بر میزان دبی رودخانه مهاباد در دوره‏های زمانی آیندۀ (2026-2045) با استفاده از مدل‌های یادگیری ماشین بررسی شد. ابتدا دو سناریوی ورودی که در آن سناریوی اول شامل پارامترهای دما و بارش و سناریوی دوم شامل پارامترهای دما، بارش و دبی یک ماه قبل بود، تدوین شد. در ادامه عملکرد دو مدل ANN و ANN-PSO در تخمین دبی جریان در دوره پایه (1992-2014) مقایسه شد تا بهترین سناریو و بهترین مدل برای پیش‌بینی جریان در دوره آینده تحت سه سناریو SSP1.26، SSP2.45 و SSP5.85 گزارش ششم تغییر اقلیم (CMIP6) انتخاب شود. نتایج معیارهای ارزیابی خطا نشان داد که مدل ANN-PSO با استفاده از سناریوی دوم و با معیارهای 77/0=NSE، MCM 4/6=RMSE و MCM 4/3=MAE قادر به تخمین مناسب دبی می‌باشد. نتایج بررسی اثر تغییر اقلیم بر روی هر یک از پارامترهای هواشناسی نشان داد که تغییر اقلیم باعث افزایش دما در حدود 5/0 تا 1 درجه در طول دوره و ایجاد یک الگوی نوسانی در بارش می‌شود. نتایج بررسی تغییر اقلیم روی دبی نشان داد که تحت سناریوی SSP1.26 تغییرات چندانی اکثر ماه‌ها در دبی رخ نخواهد داد اما در سناریوهای SSP2.45 و SSP5.85 در ماه دسامبر افزایش اندک دبی رخ خواهد داد و در ماه می و آوریل بیش‌ترین کاهش دبی به‌ترتیب MCM 5/16 و MCM 33/13 خواهد بود.

Keywords

• پیش‌بینی سری زمانی
• تخمین دبی رودخانه
• تغییر اقلیم
• ann
• pso