پیش‌بینی آورد آبی رودخانه‌ ی گرگانرود با استفاده از روش‌های ترکیبی آنتروپی تقریبی و شبکه های عصبی مصنوعی

نوع مقاله : پژوهشی

نویسندگان

1 گروه مهندسی عمران، دانشکده‌ی فنی و مهندسی، پژوهشکده مخاطرات محیطی، دانشگاه گلستان، علی‌آباد کتول، گرگان

2 پردیس صنعتی شهدای هویزه، گروه برق، دانشگاه شهید چمران اهواز

چکیده

یک از مباحث کلیدی در مدل‌های پیش‌بینی‌کننده‌ی سری زمانی، تعیین تعداد تأخیر در مدل پیشنهادی است. در نوشتار حاضر، تعداد تأخیر مدل سری زمانی پیش‌بینی‌کننده‌ی آورد رودخانه با استفاده از معیار آنتروپی تقریبی و روش شبکه‌های عصبی به دست آمده است. روش کار به این صورت بود که ابتدا رابطه بین بلوک‌های تأخیر و آنتروپی تقریبی در ایستگاه‌های آب‌سنجی آق‌قلا و قزاقلی در رودخانه‌ی گرگانرود بررسی و مشخص شد که بهترین تعداد تأخیر در ایستگاه‌های آب‌سنجی آق‌قلا و قزاقلی به ترتیب برابر ۱۲ و ۱۰ عدد جهت رسیدن به یک مدل جامع پیش‌بینی‌کننده‌ی آورد رودخانه است. در ادامه، نیز دو مدل A‌R‌I‌M‌A و شبکه‌های عصبی به همراه میزان بلوک تأخیری به دست آمده برای پیش‌بینی دبی رودخانه‌ی گرگانرود استفاده شد. نتایج نشان از کارایی مدل‌های توسعه داده شده در منطقه‌ی مورد نظر است، که مسئله‌ی مذکور با توجه به نتایج به دست آمده در ایستگاه‌های مورد نظر برای برنامه‌ریزی آینده می‌تواند کارساز باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Combined Approximate Entropy Model and ANNs to Predict Inflow at Gorganrood River

نویسندگان [English]

  • M. Zanganeh 1
  • A.R. Chaji 2
1 D‌e‌p‌t. o‌f C‌i‌v‌i‌l E‌n‌g‌i‌n‌e‌e‌r‌i‌n‌g F‌a‌c‌u‌l‌t‌y o‌f E‌n‌g‌i‌n‌e‌e‌r‌i‌n‌g E‌n‌v‌i‌r‌o‌n‌m‌e‌n‌t‌a‌l H‌a‌z‌a‌r‌d r‌e‌s‌e‌a‌r‌c‌h I‌n‌s‌t‌i‌t‌u‌t‌e G‌o‌l‌e‌s‌t‌a‌n U‌n‌i‌v‌e‌r‌s‌i‌t‌y,
2 S‌h‌o‌h‌a‌d‌a‌y‌e H‌o‌v‌e‌i‌z‌e‌h C‌a‌m‌p‌u‌s o‌f T‌e‌c‌h‌n‌o‌l‌o‌g‌y E‌l‌e‌c‌t‌r‌i‌c‌a‌l G‌r‌o‌u‌p S‌h‌a‌h‌i‌d C‌h‌a‌m‌r‌a‌n U‌n‌i‌v‌e‌r‌s‌i‌t‌y o‌f A‌h‌v‌a‌z
چکیده [English]

Prediction of river inflow along with other parameters such as sediment load, flood magnitude, and so on plays an important role in Water Resources Management planning and reservoir operation program. In this regard, many attempts have been devoted so far by the researchers to predict inflow or flow discharge in the rivers. One of the most important rivers in the Golestan province that highly influences climate changing is Gorganrood river. Assessment of chaotic behavior of time series like inflows of rivers by the entropy measure is an important facility in Water Resources Management projects. In addition, this tool can be employed to extract the number of embedding dimensions to predict time series by models like the ARIMA and ANNs. To this end, this paper employed the capability of Approximate Entropy (ApEn) measure as one of the famous models to capture irregular behavior of a time series. Then, ARIMA and ANNs models are implemented to predict monthly inflows at Gorganrood River as the biggest river in Golestan province. The models are developed by using AQqala and Ghazaghli hydrometric stations gathered data. Final results show that at AQqala and Ghazaghli stations, to have an informative predictor model, the number of embedding dimensions must be set to 12 and 10, respectively. In addition, it is concluded that the developed models are accurate enough to be applied in another period of the times in the studied case. Sensitivity analysis of the ARIMA and ANNs models versus various embedding dimensions proves extracted values of embedding dimensions obtained by the ApEn. In addition, the evaluation of the ApEn curves proves the effect of the constructed dams like Voshmgir, Golestan, and Boustan dams on the environmental process and river behavior. The sensitivity analysis versus embedding dimensions clarifies the effects of these parameters over ARIMA and ANNs models.

کلیدواژه‌ها [English]

  • Predict
  • Gorganrood
  • inflow
  • ApEn
  • ANNs
  • ARIMA