محمدابراهیم بنی حبیب - استادیار گروه مهندسی آبیاری و زهکشی پردیس ابوریحان دانشگاه تهران
آذر عربی - فارغ التحصیل کارشناسی ارشد آبیاری و زهکشی- دانشگاه تهران - پردیس ابوریح

در مقاله حاضر مدل شبکه عصبی مصنوعی برای تعیین زمان پیش هشدار سیلاب در حوضه آبخیز گلابدره- دربند برای کاربری های مختلف حوضه ارائه شده است. هدف از این تحقیق، بررسی زمان پیش هشدار حوضه برای پنج سناریو مختلف تغییر کاربری در حوضه گلابدره- دربند(سناریوهای سالهای ۱۳۸۰،۱۳۶۷،۱۳۳۴ ، سناریوی مدیریت مناسب حوضه و نامناسب حوضه) می باشد. آموزش شبکه با استفاده از سیلاب ۱۰۰۰۰ ساله که ماکزیمم داده ها را شامل می شود، انجام شده است. تست شبکه با استفاده از سیلاب های 25 تا ۱۰۰۰ ساله صورت گرفته است که ابتدا سیلابهای یادشده با استفاده از نرم افزار HEC-HMS برآورد گردید و سپس در آموزش و آزمون مدل شبکه عصبی مصنوعی به کار گرفته شده است. ساختارهای مختلف شبکه عصبی با توابع مختلف بر اساس خطای معیار پیشنهادی Ka بررسی گردیده و در نهایت برای هر سناریو بهترین ساختار انتخاب گردید. سپس شبکه برای سیلاب های 25 ، 50 ، 100 ، 200 و 1000 ساله تست گردیده و زمان پیش هشدار سیلاب های با دوره بازگشت های مختلف برای هر سناریو محاسبه شد. بر اساس نتایج حاصل از مدل، توانایی شبکه عصبی مصنوعی در برآورد زمان پیش هشدار ارزیابی شد و تاثیر سناریوهای مختلف بر روی زمان پیش هشدار مورد بحث قرار گرفت. نتایج نشان داد که با افزایش دوره بازگشت، مدت زمان پیش هشدار سیل کاهش می یابد. از طرف دیگر دربین سناریو های مختلف، سناریوی مربوط به سال ۱۳۶۷ زمان پیش هشدار طولانی تری داشته و کاربری مربوط به سناریوی مدیریت نامناسب حوضه کوتاهترین زمان پیش هشدار را دارد. نتایج حاکی از توانایی مدل ارائه شده در تعیین زمان پیش هشدار در شرایط مختلف کاربری سطح حوضه مورد بررسی می باشد.

تغییر کاربری اراضی، زمان پیش هشدار، شبکه عصبی مصنوعی ، HEC-HMS و گلابدره دربند