مدل سازی بارش- رواناب با مدل نیمه توزیعی VIC-3L و شبکه عصبی-فازی در حوزه آبخیز سد درودزن استان فارس

منطقه مورد مطالعه سد درودزن حدود 41 هزار هکتار وسعت دارد. عمده ترین منبع تولید رواناب در اکثر حوضه های جهان بارندگی است که بسته به ویژگی های مختلف فیزیوگرافی و اقلیمی حوضه های آبریز به مقدار مشخصی رواناب تبدیل میشود. پارامترهای متعدد دخیل در تبدیل بارش به رواناب، به همراه وجود پیچیدگی های زیاد و روابط غیرخطی بین این پارامترها با یکدیگر و همچنین با ورودی ها و خروجی های سیستم آبریز،باعث شده پیشبینی دقیق مقدار رواناب حاصل از هر بارندگی بسیار مشکل باشد. اغلب سعی بر این بوده که از روش های ریاضی برای مدلسازی این پدیده استفاده که در مرحله واسنجی و آموزش مدل از تعدادی پارامترهای حوضه (داده های 30 ساله؛ بارش برف و باران، حداقل، حداکثر و میانگین دما و سرعت باد) استفاده شود. اما به دلیل وجود چنین مشکلاتی هیدرولوژیست ها و محققان سعی کرده اند مدل های ساده شده و تجربی و یا حتی استفاده از روش های محاسبات نرم نظیر منطق فازی، که با توجه به توانایی در حل پدیده های غیر خطی و پیچیده، برای پیشبینی و محاسبه خصوصیات مختلف و مهم رواناب مانند برف بادآورد، دبی اوج سیلاب،زمان وقوع دبی اوج و غیره به کار گیرند. استفاده از این روش ها علیرغم سادگی، دارای خطای زیادی در برآورد است و در بسیاری از مناطق نمیتوان بر نتایج حاصل از آنها تکیه و استناد کرد. به همین علت، امروزه سعی شده از مدل های نیمه توزیعی و توزیعی (بستگی به تعداد و کیفیت داده های در دسترس) که دارای نتایج قابل قبولی و همچنین میتوانند شرایط طبیعی را تا حدودی بسنجند و نتایج حاصل از آنها از دقت و صحت مناسبی برخوردار هستند، استفاده از این روش نسبت به دیگر روش های موجود برتری دارند. بنابراین در حوضه آبریز سد درودزن با توجه به داده های در دسترس روش و مدل نیمه توزیعی VLC-3L ء(Distributed Models) جهت مدلسازی بارش- رواناب انتخاب گردید. ضمنا برای صحت و درستی تحقیق سعی شده از مدل دیگری به نام سیستم شبکه عصبی- فازی (ANFIS) جهت مقایسه با مدل VLC-3L صورت گیرد که با توجه به تحلیل نتایج حاصل از دو روش ذکر شده مشخص شد که مدل VLC-3L نتایج دقیق تری نسبت به دیگر روش دارد.

Keywords:

مدل بارش – رواناب , مدل VLC-3L , مدل شبکه عصبی- فازی