بررسی قابلیت پارامتر Cprecip در منظور کردن اثر برف بر پیش بینی دبی روزانه رودخانه به وسیله شبکه عصبی و شبکه عصبی فازی

یکی از پارامترهای موثر در پیش بینی دبی خصوصادر حوضه های برفگیر، پارامتر برف می باشد. آب معادل برف متداول ترین پارامتری است که در مدل سازی جریان رودخانه ها، به منظور وارد کردن تاثیر برف در مدل استفاده می شود. در این مقاله سعی شده است با توجه به عدم دسترسی به پارامتر آب معادل برف در درصد قابل توجهی از حوضه ها، پارامترهای باران تجمعی و باران تجمعی مازندران جایگزین آب معادل برف شوند. پارامتر باران تجمعی، بارندگی تجمعی از اول نوامبر تا اول آپریل و معرف برف انباشته شده می باشد که در بهار ذوب می شود. پارامتر باران تجمعی مازندران با انجام تغییراتی بر روی پارامتر باران تجمعی (جهت سازگاری آن با حوضه های مازندران) به دست می آید. نتایج مدل سازی نشان داد که پارامتر باران تجمعی قابلیت جایگزینی پارامتر آب معادل برف را دارد و پارامتر باران تجمعی مازندرانبا توجه به انطباق بیشتر با حوضه های این ناحیه، کارایی بیشتری نسبت به پارامتر باران تجمعی دارد.

Keywords:

پیش بینی دبی , برف , شبکه عصبی مصنوعی , شبکه عصبی فازی