بررسی ارتباط بین مشخصههای بارش و سیلاب با استفاده از روشهای هوشمند مطالعه موردی ایستگاه لزوره در استان گلستان

استفاده از دادههای مربوط به بارندگی به دلیل دقت قابل قبول و در دسترس بودن آنها در مناطق فاقد ایستگاه هیدرومتری یکی ازگزینههای کاربردی در تهیهی هیدروگرافهای سیلاب محسوب میشوند و مدلسازی مناسب برای شبیهسازی هیدروگراف واحد بااستفاده از دادههای قابل دسترس باران و به شیوههای آماری قابل اعتماد از ضرویات است. تحقیق حاضر درصدد بررسی امکان ارتباط بین ویژگی های مختلف هایتوگراف و هیدروگراف است تا با داشتن اطلاعات مربوط به بارندگی بتوان به هیدروگراف سیلاب وویژگیهای آن در ایستگاه لزوره واقع در استان گلستان دست یافت. بدین منظور 6 ویژگی از هایتوگراف و 8 ویژگی از هیدروگراف وهمچنین 1 پارامتر زمانی رابط بین هایتوگراف و هیدروگراف برای 21 رگبار مد نظر قرار گرفت. ارتباط بین این متغیرها به صورت رگرسیون های چند متغیره و شبکهی عصبی مصنوعی بررسی و مدلسازی شد. سپس مدلهای به دست آمده، به کمک معیارهای آماری ضریب تبیین r2ریشه میانگین مربعات خطاRMSE وضریب تاش ساتکلیف NSE برای دوره های اموزشی (واسنجی)، صحتسنجی و کل دوره ارزیابی و بهترین مدل برآورد هر یک از مشخصات هیدروگراف سیل و رابط زمانی بین هایتوگراف بارش وهیدروگراف سیل تعیین گردیدند. مدلهای بررسی شده شامل روابط رگرسیونی چند متغیره و مدلANN-MLR(مدل شبکه عصبی مبتنی بر پارامترهای ورودی نتایج بهترین مدل رگرسیونی) بودهاند. بررسی نتایج به دست آمده نشان داد از میانالگوریتمهای مختلف بهینهسازی وزنها در مدلهای هوشمند، الگوریتم گرادیان ادغامی دارای بهترین نتایج بوده است و مدلهای شبیهسازی شبکه عصبی نسبت به مدلهای رگرسیونی دارای دقت بالاتری بودند و نتایج شبیهسازی مشخصههای هیدروگراف سیل نسبت به مشخصههای رابط زمانی با دقت بالاتری برآورد شدند. مقادیر ضریبNSEبرای برخی از متغیرهای هیدروگراف سیل نسبتاًپائین بدست آمد که این امر بیانگر آن است که شبیهسازی مشخصات هیدروگراف سیل از روی هایتوگراف بارش علاوه بر دقت پارامترهای استخراج شده، مستلزم تعداد کافی رگبار با آمار متناظر هیدروگراف سیل و بارش مولد آن میباشد

Keywords:

هایتوگراف , هیدروگراف , شاخصهای رابط زمانی , مدلهای رگرسیونی , شبکه های عصبی مصنوعی