محمدرضا میرزایی - استادیار دانشکده کشاورزی، پژوهشکده منابع طبیعی و زیست محیطی، دانشگاه
مجید خزایی - دانش آموخته کارشناسی ارشد علوم و مهندسی آبخیزداری دانشگاه تربیت مدرس

فرایند مدل سازی در حوزه های آبخیز علم جدید و مفیدی است که در دهه اخیر به طور وسیع در نقاط مختلف دنیا گسترش پیدا کرده است. در همین راستا الگوبرداری از شبکه عصبی انسان و شبیه سازی آن در طبیعت در علومهیدرولوژی دوران جدیدی را سپری میکند. در تحقیق حاضر نیز از دو نوع شبکه عصبی MLP و RBF به عنوان پرکاربردترین نوع شبکه های عصبی در دو استگاه درای آمار حوزه آبخیز زهره بنام بریم و پل زهره استفاه شده است.در هر دو نوع شبکه به منظور رسیدن به بهترین ساختار و پارامترها با انجام سعی و خطا و جایگذاری مقادیر مخالف و اجرای مدل در هر بار با مشاهده میزان خطا و ضریب تبیین بهترین حالت برای مدل سازی انتخاب گردید. سپس بامقادیر بهنیه به شبیه سازی مقادیر مشاهداتی اقدام گردید. در نهایت به منظور پیش بینی کارایی انواع مدل ها از معیارهای دقت سنجی از جمله ضریب تبیین R2 ، ریشه میانگین مربعات خطا RMSA و ضریب کارایی CE میزان دقت هر مدل تعیین می گردد. نتایج نشان داد که هر دو نوع شبکه عصبی بکار رفته در تحقیق حاضر قادر به شبیهساری رواناب در ایستگاههای مورد بررسی بجز ایستگاه پل زهره را نشان میدهد. در مجموع نتایج شبکه RBF قابلیت و کارایی بیشتری در شبیه سازی رواناب در ایستگاههای مورد بررسی را نشان داده است. هم چنین در مقایسه بامراحل آموزش و تست، در مرحله تست رواناب شبیه سازی شده به رواناب مشاهداتی مقادیر نزدیک تری را ارائه داده است.

مدل سازی، بارش: رواناب، حوزه آبخیز، زهره، شبکه های عصبی مصنوعی