مدل SSP جهت پیش یابی جریان ماهانه رودخانه

چکیده مقاله

پیش یابی forecast میزان حجم آورد ماهانه رودخانه تا 5 ماه، یکی از متغیرهای موثر در بهره برداری از مخازن سدها و بهینه سازی منحنی فرمان نیروگاه های برقابی بشمار می رود از این رو تهیه مدلی با دقت بالا جهت برآورد این مقدار محسوس می باشند استفاده از مدلهای رگرسیون چند متغیره یکی از روش های معمول در این رابطه به حساب می آید از ضعفهای مدلهای رگرسیونی چند متغیره خطی، حساس بودن محاسبه ضرایب مدل به استقلال متغیرهای پیش بینی کننده predictors و نسبت طول دوره آماری به تعداد متغیرهای مذکور می باشد بر اساس تحقیقات Kleinbaum 1988 و McCuen 1980 نشان داده شد در صورت وجود همبستگی میان متغیرهای پیش بینی کننده، ضرایب آنها غلط برآورد شده و بعضا علامت ضریب بعضی از این متغیرها مخالف علامت ضریب همبستگی بین همان متغیر و متغیر وابسته می ردد بدین ترتیب، جهت کاهش متغیرهای پیش بینی کننده اولیه به منظور افزایش نسبت طول دوره آماری به تعداد متغیرهای پیش بینی کننده و حذف همبستگی درونی میان این متغیرها اقدام به تهیه مدل SSP گردید از دیگر برتری های این مدل، استفاده از یک جستجو گر قوی جهت انتخاب متغیرهای پیش بینی کننده اولیه و انتخاب مولفه های موثر در پیش یابی آورد ماهانه رودخانه می باشد در این مقاله، سعی شده است کاربرد مدل SSP بر روی حوضه آبریز بالادست طرق به منظور پیش یابی آورد ورودی به سد مورد آزمایش قرار گیرد با بررسی نتایج حاصل از این آزمایش نشان داد که متوسط درصد خطا APE2 ناشی از مدل SSP نسبت به استفاده از مدلهای سنتی بهبود معنی داری یافته است