مدل هوشمند مبتنی بر ژئومورفولوژی و مقایسه با مدل GIUH برای برآورد رواناب مستقیم

درمدل هیدروگراف واحد لحظه ای ژئومورفولوژی از شبکه زهکشی حوضه آبریز و قوانین هورتون استفاده می گردد. این مدل یک رهیافت ساده مدل سازی رواناب-بارندگی برای حوضه های فاقد آمار می باشد. کارشناسان هیدرولوژی همواره سعی کرده اند رابطه ای بین پاسخ هیدرولوژیکی حوضه و مشخصات توپوگرافی حوضه ها بر قرار نمایند.  در این تحقیق از سه مدل بارندگی- رواناب شامل  مدل جعبه سیاه مبتنی بر مشخصات ژئومورفولوژی (GANN) و  مدل مفهومی دو پارامتری ناش و مدل هیدروگراف واحد لحظه ای ژئومورفولوژیکی (GIUH)  که برای حوضه های فاقد آمار  پشنهاد گردیده است برای یک حوضه متوسط استفاده شد. از این مدل ها برای مطالعه ده واقعه بارش-رواناب در حوضه معرف کسیلیان واقع در ناحیه شمالی ایران استفاده شد.  نتایج حاصل از  مدل ژئومورفولوژی  با داده های مشاهده ای و دو مدل دیگر مقایسه گردیده است. نتایج این تحقیق نشان می دهد که مدل شبکه عصبی مصنوعی بر پایه ژئومورفولوژی (GANN) از مدل کاملا تجربی شبکه عصبی مصنوعی می باشند، برتر است. علاوه بر این می توان چنین نتیجه گیری کرد که لحاظ  مشخصات ژئومورفولوژی در مدل ANN   بر توانایی این  مدل برای شبیه سازی رابطه بارندگی- رواناب می افزاید.

Keywords:

GIUH , شبکه عصبی مصنوعی , حوضه معرف کسیلیان , مدل سازی , بارندگی- رواناب