فاطمه صدیقی - Tarbiat Modares University
مهدی وفاخواه - Tarbiat Modares University
محمدرضا جوادی - Islamic Azad University, Noor Branch

سیل یکی از پدیده­های ویرانگر طبیعی است که پیش­بینی آن از اهمیت بالایی برخوردار است .فرآیند بارش- رواناب و ایجاد سیلاب پدیده­های فیزیکی هستند که بررسی آنها به سبب  تاثیرپذیری از پارامترهای مختلف، دشوار می­باشد. تاکنون روش­های مختلفی برای تحلیل این پدیده­ها ارایه شده است. پژوهش حاضر با هدف بررسی کارآمدی شبکه­های عصبی مصنوعی در شبیه­سازی فرآیند بارش- رواناب با دخالت دادن ارتفاع آب معادل برف در حوزه آبخیز لتیان واقع در استان تهران صورت گرفته است. بدین منظور ۹۲  تصویر سنجنده مودیس در طی سه سال آبی ۸۳-۱۳۸۲ تا ۸۵-۱۳۸۴ از سایت ناسا دریافت گردید و سطح پوشش برف در هر یک از تصاویر استخراج و میزان ارتفاع آب معادل برف در طی سال­های مورد نظر محاسبه شد. همچنین داده­های ارتفاع بارندگی، درجه حرارت و دبی در سال­های مورد نظر در دسترس بوده که از شبکه­های پرسپترون چندلایه و الگوریتم پس انتشار خطا برای یافتن ساختار شبکه استفاده شد. نتایج نشان داد شبکه عصبی با ساختار ۱-۱۰-۴ با ۴ نرون در لایه ورودی، ۱۰ نرون در لایه میانی و ۱ نرون در لایه خروجی  با ضریب کارایی ۸۵/۰ و ضریب تبیین ۶۸/۰ و ریشه میانگین مربعات خطا ۰۴/۰ به عنوان بهترین ساختار از دقت مناسبی در برآورد رواناب برخوردار بود و دخالت دادن آب معادل برف باعث افزایش دقت مدل شد.

Artificial neural network, Rainfall– runoff modeling, Snow water equivalent, Latyan watershed, شبکه عصبی مصنوعی, مدل بارش – رواناب, ارتفاع آب معادل برف, حوزه آبخیز لتیان