مدل تخمین جریان رودخانه بر اساس بازسازی فضای حالت آشوبی

نوع مقاله : مقاله پژوهشی

نویسندگان

چکیده

قابلیت‌های نظریه آشوب و برنامه‌ریزی ژنتیک، بکارگیری این دو مدل را در هیدرولوژی مورد توجه خاص قرار داده است. در این تحقیق مقادیر دبی روزانه رودخانه لیقوان در طی 30 سال با استفاده از این مدل‌ها مورد بررسی قرار گرفته است. در نظریه آشوب، ابتدا با استفاده از روش بعد همبستگی امکان وجود آشوب قطعی در دبی روزانه بررسی و پس از تعیین پارامترهای لازم جهت بازسازی فضای حالت، دبی روزانه به روش پیش‌بینی موضعی تخمین زده شده است. برای بازسازی فضای حالت، به دو پارامتر زمان تاخیر و بعد محاط نیاز می‌باشد و بدین منظور از تابع خود همبستگی و الگوریتم نزدیکترین همسایه‌های کاذب استفاده شده و مقدار بعد همبستگی حاصله، حاکی از وجود رفتار آشوبناک در سری زمانی تحت بررسی است. در نهایت از پیش بینی موضعی جهت تخمین دبی استفاده گردید که نتایج حاکی از دقت قابل قبول این نظریه در امر پیش بینی می‌باشد. همچنین از برنامه‌ریزی ژنتیک، جهت مدل‌سازی دبی روزانه استفاده و بهترین الگوی ورودی شامل دبی پیشین تا 4 تاخیر زمانی، انتخاب گردید. ضرایب همبستگی بدست آمده برابر با 926/0 با روش پیش‌بینی موضعی و 931/0 با روش برنامه‌ریزی ژنتیک حاکی از دقت خوب و تقریبا مشابهی از هر دو روش در پیش‌بینی دبی جریان است. بنابراین هر دو روش مطابق نتایج بدست آمده می‌توانند جهت مدل‌سازی و فرایند پیش بینی دبی مورد استفاده قرار گیرند.

کلیدواژه‌ها


عنوان مقاله [English]

Predicting Model of River Streamflow Based on Chaotic Phase Space Reconstruction

نویسندگان [English]

  • Farnoosh Moradizadeh Kermani
  • Mohammad ali Ghorbani
  • Yaghob Dinpashoh
  • Davood Farsadizadeh
چکیده [English]

The application of chaos theory and genetic programming has been gained a special attention in hydrology by abilities of these two models. In this study, a daily streamflow series with 30 years records of Lighvan River has been studied using these models. First in chaos theory, possibility of the existence of deterministic chaos in the daily streamflow series has been investigated by employing the correlation dimension method and after determination of the necessary parameters for reconstruction of phase space; daily streamflow is predicted by the use of local prediction method. To reconstruct the data pertaining to phase space, the time delay and embedding dimension are needed. For this purpose, autocorrelation function and algorithm of false nearest neighbors have been used and the amount of the obtained correlation dimension expresses chaotic behavior in the time series under investigation. Finally, local prediction method was used for prediction of the daily discharge and the results illustrate acceptable accuracy of this theory. The genetic programming has been used for daily discharge modeling and the best input pattern consists of antecedent discharge with four time lags has also been selected. The obtained correlation coefficient being equal to 0.926 from local prediction method and 0.931 from genetic programming indicate good accuracy and similar results obtained from both methods for streamflow prediction. Thus, according to the obtained results, both methods can be used for streamflow prediction and modeling.

کلیدواژه‌ها [English]

  • Chaos theory
  • genetic programming
  • Lighvan
  • Local prediction
  • Streamflow