مدلسازی بارش - رواناب حوضه آبریز هلیل رود با استفاده از مدل HMS SMA و مقایسه ان با شبکه عصبی -فازی تطبیقی بر مبنای خوشه بندی کاهشی

در این تحقیق به منظور مدلسازی پیوسته بارش -رواناب سه زیر حوضه تشکیل دهنده حوضه آبریز هلیل رود از یک مدل مفهومی HMS SMA و یک مدل جعبه سیاه ANFIS به منظور مقایسه نتایج آنها استفاده گردید . اطلاعات 3 ایستگاه هیدرومتری ، 3 ایستگاه تبخیر سنجی و 12 ایستگاه باران سنجی سالهای آبی 81-78 برای واسنجی و صحت سنجی مدل های مذکور مورد استفاده قرار گرفت . در زیر حوضه های مورد مطالعه ابتدا همگنی داده ها با ازمون Run-Test برای اطمینان از تصادفی بودن داده ها مورد ازمون قرار گرفت. برای محاسبه بارش متوسط در هر یک از زیر حوضه ها از دو روش معکوس مربع فاصله و چند ضلعی های تیسن در محیط ARC GIS استفاده شد و روش چند ضلعی های تیسن با توجه به همبستگی بیشتر با داده ای رواناب به عنوان بهترین روش انتخاب شد. در این تحقیق برای روندیابی بارش اضافی مذکور در مدل SMA HMS از روش های Clark Unit Hydrograph ، Snyder Unit Hydrograph و SCS Unit Hydrograph استفاده شد. برای بررسی و شناخت روابط بین عوامل موثر بر هیدروگراف خروجی زیرحوضه ها ، از روش آنالیز حساسیت استفاده شد. در ادامه کار با استفاده از سیستم استنتاج عصبی- فازی تطبیقی و توسط روش خوشه بندی کاهشی ، با شش سناریوی مختلف اقدام به مدلسازی بارش-رواناب گردید. در این تحقیق سه روش مدل HMS SMA ، و شش سناریوی سیستم استتاج عصبی- فازی تطبیقی مورد مقایسه قرار گرفتند و نهایتا بهترین مدل انتخاب شد. معیارهای مقایسه عبارت بودند از: شاخص ضریب همبستگی R ، جذر میانگین مربعات خطا RMSE ، میانگین خطای مطلق MAE ، درصد خطا روی دبی پیک (فرمول در متن اصلی مقاله) و درصد خطا بر روی حجم رواناب EV . از بین سه روش استفاده شده در روش HMS SMA ، مدل کلارک برای هر سه زیر حوضه انتخاب شد. در مدلسازی توسط ANFIS برای زیر حوضه سلطانی سناریو دوم ، در زیر حوضه پل بافت سناریو اول و برای زیر حوضه کناروئیه سناریو چهارم بهترین عملکرد را داشتند.

Keywords:

مدلسازی پیوسته بارش-رواناب , مدل ریاضی HMS SMA , آنالیز حساسیت , سیستم استنتاج عصبی -فازی تطبیقی