رفع نویز موجکی

مدلسازی صحیح فرآیند بارش-رواناب به دلیل گستردگی عوامل موثر بر بارش و رواناب یکی از پیچیدگی های علم هیدرولوژی است. هدف از این پژوهش استفاده از روش های پیش پردازش زمانی از جمله رف ع نویز موجکی و تبدیل موجک برای پیش بینی سری های زمانی ماهانه رواناب در دشت اردبیل می باشد. ش بیه س ازی ب ارش – روان اب ب ا اس تفاده از مدل جعب ه س یاه شبکه عصبی مصنوعی برای سه ترکیب داده های بارش و رواناب دشت اردبیل انج ام گردید. ترکیب اول و دوم داده ها از داده های خود ایستگاه در زمان های گذشته استفاده می کند و ترکیب سوم داده ها از داده های ایستگاه های بالادست (ایستگاه های گیلانده و کوزه تپراقی) برای پیش بینی رواناب خروجی دشت (ایستگاه سامیان) استفاده می کند. نتایج نشان داد ک ه اعم ال روش های پیش پردازش زمانی رف ع نویز م وجکی و استفاده از تبدیل موجک در ش بیه س ازی بارش-رواناب ب ا مدل شبکه عصبی مصنوعی به ترتیب بطور متوسط باع ث بهب ود 4 و 39 درصدی در مرحل ه آزمایش مدل شده است.