@article { author = {Komasi, Mehdi and Gheshlaghi, Neda and Sharghi, Soroush}, title = {Lake Water Level Forecasting using Wavelet-ANFIS and System Dynamic Model}, journal = {Journal of Civil and Environmental Engineering}, volume = {52.3}, number = {108}, pages = {105-115}, year = {2022}, publisher = {Dean of Faculty of Civil Engineering}, issn = {2008-7918}, eissn = {2717-4077}, doi = {10.22034/jcee.2021.20119.1498}, abstract = {Nowadays challenge of water resource is a problem of many countries in the Middle East. This fact about Urmia Lake in Iran has more importance in the recent decade. Urmia Lake water level has involved many changes and fluctuations due to rainfall changes, droughts and dam constructions. The main purpose of this article is an investigation of System Dynamic (SD) methods for forecasting water level fluctuations using Wavelet Adaptive Neuro-Fuzzy Inference System (WANFIS).}, keywords = {Adaptive Neuro-Fuzzy Inference System,System Dynamic,Urmia lake,Wavelet}, title_fa = {پیش‌بینی تراز سطح آب با استفاده از مدل ترکیبی پویایی سیستم و شبکه عصبی فازی موجکی}, abstract_fa = {چالش منابع آب امروزه مشکل بسیاری از کشورهای خاورمیانه است و این واقعیت در مورد دریاچه ارومیه که تراز سطح آب آن، با توجه به تغییرات بارش، خشک‌سالی و سدسازی دچار تغییرات و نوسانات زیادی شده است، دارای اهمیت بیشتری می‌باشد. هدف اصلی این مقاله بررسی قابلیت روش پویایی سیستم، SD (System Dynamic)، برای پیش‌بینی نوسانات سطح آب با استفاده از شبکه عصبی فازی تطبیقی موجکی، WANFIS (Wavelet Adaptive Neuro-Fuzzy Inference Systems)، می‌باشد. به همین دلیل، یک مدل شبیه‌سازی بر پایه پویایی سیستم برای حوضه آبریز دریاچه ارومیه توسعه داده شد. سپس، برای پیش‌بینی سطح آب، عوامل مؤثر بر آن مانند بارش، دبی و تبخیر با استفاده از مدل WANFIS پیش‌بینی شده و نتایج حاصل از پیش‌بینی وارد مدل پویایی سیستم می‌گردد و سپس سطح آب محاسبه می‌شود. نتایج مدل ­سازی نشان داد که مدل ترکیبی پویایی سیستم و شبکه عصبی فازی تطبیقی موجکی (SD-WANFIS) دارای عملکرد مناسبی می‌باشد. مقادیر شاخص‌های آماری مانند جذر میانگین مربعات خطا و ضریب تبیین برای مدل ترکیبی پویایی سیستم و شبکه عصبی فازی موجکی در مرحله صحت­ سنجی به ­ترتیب 31/0 متر و 84/0 می‌باشد. درحالی ­که این شاخص ­ها برای مدل جعبه سیاه خطی خود همبسته میانگین متحرک تلفیق‌شده، ARIMA (Auto Regressive Integrated Moving Average) برابر 61/0 متر و 53/0 می‌باشند. این نتایج نشان داد که ترکیب این دو مدل SD و مدل فازی WANFIS جهت پیش‌بینی با دقت مناسب، مفید می‌باشد.}, keywords_fa = {پویایی سیستم,موجک,شبکه عصبی فازی تطبیقی,پیش‌بینی تراز سطح آب,دریاچه ارومیه}, url = {https://ceej.tabrizu.ac.ir/article_12349.html}, eprint = {https://ceej.tabrizu.ac.ir/article_12349_8da8696fb657fc3eb4e9e2eb4938a12f.pdf} }