برآورد رواناب ماهانه و فصلی با مدل‌های سری زمانی، درخت تصمیم و رگرسیون خطی چندمتغیره

سابقه و هدف: از جمله عوامل ‌حائز اهمیت در مدیریت و برنامه‌ریزی منابع آب پیش‌بینی مقدار رواناب می‌باشد. با افزایش دقت در پیش‌بینی رواناب رودخانه مدیریت و برنامه‌ریزی کارآمدتری صورت می‌گیرد بنابراین بهبود مدلسازی پیش‌بینی رواناب امری ضروری است.اولین هدف از این مطالعه ارزیابی کارایی مدلهای رگرسیون چندمتغیره خطی، درخت تصمیم M5 و سری زمانی در پیشبینی رواناب رودخانه است. هدف دوم بررسی مقیاس زمانی مدلسازی (ماهانه و فصلی) و نیز تاثیر ورودی های مدل (یک متغیر با گام های تاخیر و چند متغیر با گامهای تاخیر) بر دقت مدلهای مورد مطالعه است. مواد و روش‌ها: در این پژوهش حوضه آبریز ناورود واقع در غرب استان گیلان جهت منطقه مطالعاتی انتخاب گردیده‌است. داده‌های مورد نیاز دو ایستگاه خرجگیل در سال‌های 1398-1368 و خلیان در سال‌های 1397-1375 شامل دبی، بارش و دما در مقیاس زمانی ماهانه از آب منطقه‌ای استان گیلان جمع‌آوری شده‌است. مقدار رواناب توسط داده‌های دریافت شده در بازه زمانی ماهانه و فصلی با استفاده سه مدل رگرسیون چند متغیره خطی، سری زمانی و درخت تصمیم M5 در دو رویکرد متفاوت پیش‌بینی شده‌است. رویکرد اول متغیرهای ورودی به مدل شامل دبی، بارش و دما با 3 گام تاخیر زمانی و در رویکرد دوم تنها متغیر دبی با 3 گام تاخیر زمانی بوده‌است. شاخص‌های ارزیابی در این پژوهش شامل میانگین انحراف خطا (MBE)، ضریب کارایی نش (NSE) و ضریب تعیین (R^2) می‌باشد.یافته‌ها یافته‌ها: در رویکرد اول و در پنجره زمانی ماهانه مدل درخت تصمیم M5 با شاخص MBE، NSE 04/0-، 80/0 (آموزش) و 01/0، 72/0 (آزمون) در ایستگاه خرجگیل و 01/0-، 79/0 (آموزش) و 00/0، 82/0 (آزمون) در ایستگاه خلیان بعنوان مدل منتخب انتخاب می گردد. در گام زمانی فصلی نیز مقادیر شاخص ها برای مدل درخت تصمیم M5 در ایستگاه خرجگیل برابر . برابر 02/0، 78/0 (آموزش) 02/0-، 86/0 (آزمون) و در ایستگاه خلیان نیز 01/0-، 79/0 (آموزش ) و 00/0، 86/0 (آزمون) می باشد و این مدل در گام زمانی فصلی در رویکرد اول نیز بهترین مدل مورد مطالعه بوده است. رویکرد دوم در هر دو گام زمانی ماهانه و فصلی منجر به یافته های متفاوتی شده است. در رویکرد دوم در گام زمانی ماهانه مقادیر شاخصها برای مدل سری زمانی در دو مرحله آموزش و آزمون در ایستگاه خرجگیل بهترتیب برابر 05/0- ، 47/0 و 10/0، 52/0 و در ایستگاه خلیان برابر با 02/0-، 63/0 و 02/0، 49/0 بوده است. در گام زمانی فصلی نیز مقادیر شاخص های مدل منتخب در دو مرحله آموزش و آزمون در ایستگاه خرجگیل 42/0-، 58/0 و 06/0، 83/0 و خلیان 09/0، 40/0 و 10/0-، 62/0 می باشد. در گام زمانی فصلی نیز مدل سری زمانی مدل منتخب در رویکرد دوم می باشدنتیجه‌گیری: نتایج حاصل از این پژوهش حاکی از آن است که در رویکرد اول در هر دو ایستگاه و در هر دو گام زمانی مدل درخت تصمیم M5 دقت بالاتری در پیش‌بینی نسبت به دو مدل دیگر از خود نشان داده‌است در حالیکه در رویکرد دوم مدل درخت