پریسا استقامت اشان - دانشجوی کارشناسی ارشد گروه عمران ،آب وسازه های هیدرولیکی، دانشگاه آزاد اسلامی واحد مراغه، ایران
بهرضا نورمند - استادیار گروه عمران،دانشگاه آزاد اسلامی واحد مراغه، ایران

در دهه های اخیر در کشور ما، نیاز به پیش بینی دقیق و سریع رواناب به علت افزایش تعداد سیلاب ها به شدت افزایش یافته است. بدون تردید سیلاب فاجعه بارترین حادثه طبیعی است. شاید در نگاه نخست، ابعاد حوادثی از قبیل زلزله و یا آتش فشان، وسیع تر از حوادث دیگر طبیعی به نظر آید ولی آمارها حاکی از آن است که سیلاب چه از نظر تلفات جانی و چه از نظر تلفات مالی مقام اول را در میان حوادث دیگر داراست و هشدار و پیش بینی سیلاب می تواند به عنوان یکی از موثرترین روش های غیر سازه ای مدیریت سیلاب در کاهش خطرات و خسارت های ناشی از سیلاب مطرح شود.بنابراین توسعه و اجرای روش های مناسب برای پیش بینی و استحصال رواناب از روی داده های هیدرولوژیکی بسیار ضروری به نظرر می رسد. ولی با توجه به کمبود داده های مورد اعتماد در حوضه های آبریز، ارائه مدل هایی که بتواند این نقص را جبران کند احساس می گردد. شبیه سازی دقیق فرآیند بارش-رواناب، نقش به سزایی در مدیریت کارآمدمنابع آب دارد و یکی از نیازهای اساسی سامانه های هشدار سیلاب می باشد . چرا که مدل های تجربی مانند آبنمود واحد طبیعی یا مصنوعی قادر نیستند رفتار غیر خطی حوضه ها را در تولید سیلاب بطور کامل شبیه سازی کنند به همین دلیل، استفاده از مدل های شبکه عصبی مصنوعی برای شناخت رفتار غیر خطی حوضه ها ضرورت پیدا می کند. همچنین از میان مدل های متعدد موجود جهت شبیه سازی هیدرولوژیکی بارش-رواناب استفاده از شبکه های عصبی مصنوعی توجه بسیاری ازمحققین را به خود جلب کرده است. لذا در این تحقیق نیز سعی شده است که جهت تخمین و پیش بینی هرچه صحیح تر فرآیندبارش-رواناب حوضه آبریز صوفی چای، از شبکه های عصبی مصنوعی استفاده گردد. نتایج تحقیق بیانگر این است که مدل شبکه های عصبی مصنوعی از دقت بسیار بالایی برخوردار است.

شبیه سازی هیدرولوژیکی،حوضه آبریز صوفی چای، شبکه عصبی مصنوعی، بارش-رواناب