افشین پرتویان - استادیارگروه عمران، گروه عمران، واحد بوکان، دانشگاه آزاد اسلامی، بوکان، ایران

یکی از مهمترین چالشها در مدیریت آب و آبخیز داری تخمین رواناب می باشد. تغییرات زمانی و مکانی فاکتورهای شکل دهنده رواناب که ناشی از نا همگنی در حوضه آبخیز می باشد ، سبب پیچیدگی روابط شده است . در سالهای اخیر، از شبکه های عصبی مصنوعی به دلیل توانمندی آنها در حل مسائل پیچیده و غیر خطی ، به طرز قابل توجهی در شبیه سازی فرایند های مختلف استفاده شده است . ساختار غیر خطی و منعطف شبکه های عصبی مصنوعی با خصوصیات و رفتار سیستم های منابع آبی به خوبی هماهنگی داشته و از این رو نتایج رضایت بخشی در این زمینه حاصل شده است . در این تحقیق از دو مدل شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) بعنوان مدل مبتنی بر هوش مصنوعی و رگرسیون خطی چند متغییره (MLR) برای شبیه سازی فرایند بارش - رواناب رودخانه شهرچای استفاده شده است . کارآیی مدلهای توسعه داده شده در این تحقیق با استفاده از معیارهای آماری جذر میانگین مربعات خطا (RMSE) و ضریب تبیین (DC) مورد ارزیابی قرار گرفته است . بررسی نتایج نشان می دهد که مدلسازی فرآیند بارش - رواناب با استفاده از مدل MLP در مقایسه با مدل MLR دقت بهتری داشته است .

بارش- رواناب ، شبکه عصبی مصنوعی ، رگرسیون خطی چند متغییره ، ضریب تبیین ، حوضه آبریز رودخانه شهر چای .