بررسی توانمندی مدل شبکه عصبی مصنوعی در شبیه سازی فرآیند بارش-رواناب در شرایط تغییر اقلیم (مطالعه موردی: حوزه سد پاشاکلا بابل)

پیشبینی جریان رودخانهها نقش بسزایی در برنامهریزی، مدیریت و بهرهبرداری از منابع آب دارد. برای دستیابی به این هدف و با توجه به پدیدهی گرمایش جهانی، لازم است سری زمانی بارش و رواناب روزانه برای دورههای آتی شبیهسازی شود. لذا ضروریست آشکارسازی رخداد تغییر اقلیم و تاثیر آن بر بارش و رواناب در سطح حوزه مورد بررسی قرار گیرد. در گام اول این پژوهش، با استفاده از آزمون آماری روند من-کندال، رخداد تغییر اقلیم در حوزه پاشاکلا بابل در استان مازندران به اثبات رسید. نتایج بررسی ۳۶ سال آمار متوسط دمای روزانه، نشاندهنده روند افزایشی متوسط دما در سطح حوزه میباشد. در گام دوم، از مدل لارس تحت مدل گردش عمومی جو HadCM۳ و سناریوی A۲، برای تولید سری زمانی بارش روزانه در دوره آتی استفاده شد. بهاین منظور دادههای بارش، دمای کمینه، دمای بیشینه و ساعات آفتابی برای دوره پایه ۱۲ ساله (۲۰۱۵-۲۰۰۴) وارد مدل شده و سری زمانی بارش روزانه در سطح حوزه برای دوره آتی ۱۰ ساله (۲۰۲۵-۲۰۱۶) پیشبینی شد. در گام سوم، از مدل شبکه عصبی مصنوعی، برای شبیهسازی فرآیند بارش-رواناب در شرایط تغییر اقلیم و تولید سری زمانی رواناب روزانه در دوره آتی استفاده شد. در نهایت، بهمنظور بالا بردن قابلیت مدل شبکه عصبی مصنوعی در پیشبینی رواناب روزانه، علاوه بر دادههای بارش روزانه پیشبینی شده، دادههای بارش و رواناب یک روز قبل نیز به عنوان عوامل موثر در رواناب روز جاری وارد مدل شده و با استفاده از نرونهای بارش و رواناب ضریب همبستگی برابر با ۸/۰ بهدست آمد. این ضریب همبستگی در سطح ۱ درصد معنیدار بوده و نشاندهنده قابلیت مدل در شبیهسازی فرآیند بارش-رواناب میباشد.

Keywords:

Artificial Neural Networks Model , Climate Change , Daily Runoff , LARS-WG Model , تغییر اقلیم , رواناب روزانه , مدل شبکه عصبی مصنوعی , مدل لارس