محمد غلامپور - عضو هیات علمی مرکز تحقیقات هرمزگان
مجید حسینی - استادیار پژوهشکده حفاظت خاک و آبخیزداری

در مناطق خشک همانند سطح عظیمی از کشور ما، انسان همواره با کمبود آب مواجه بوده و هست. جمع آوری آب بویژه در بهره برداری صحیح از آبهای موجود در مناطق خشک می تواند موثر واقع شود. در کشور ایران که دارای میانگین بارندگی کمتر از یک سوم جهان بوده و از تنوع اقالیم مختلف برخوردار است به طوریکه در مناطق جنوبی کشور از قبیل میناب محل سد احداثی استقلال بارندگی به یک سوم میانگین کشوری میرسد. در تغییر اقلیم کنونی روند بارندگی ها در میناب نیز تغییر یافته و طول دوره خشکسالها افزایش یافته است. سیستم های بهره برداری استاندارد طراحی شده قبلی برای برآورد آب ورودی به مخازن سدها همانند سد استقلال میناب پاسخگو مصارف نبوده است. استفاده از روش های جدیددر افزایش دقت و همچنین پیش بینی رواناب حوزه رودخانه میناب امری کاملا ضروری بهنظر میرسد. برای رسیدن به این هدف استفاده از مدل های فیزیکی و عددی در برآورد و پیش بینی دقیق تراز اهمیت خاصی برخوردار است . لذا از دومدل SWAT و هوش مصنوعی شبکه پیش خور هوش مصنوعی برای برآورد و پیش بینی رواناب استفاده شد. واسنجی، اعتبار سنجی و پیش بینی رواناب با استفاده از لایه های خاک، کاربری اراضی، توپوگرافی و داده های هیدروکلیماتولوژی در مقیاس سالانه و ماهانه انجام شد. مقادیر معیارهای ارزیابی همچون RMSE (میانگین مربعات خطا) ، MAE (میانگین خطای مطلق) برای دو مدل در مرحله واسنجی در دوره سالانه برای مدل SWATبرابر با 6.89 و 8.37 و در شبکه پیش خور هوش مصنوعی برابر جریان اب پیش بینی شده در دوره خشک دقت بالاتری با ریشه میانگین مربعات خطای برابر با 0086.0و717.0 در فاز اموزش و امتحان نسبت به میانگین مربعات خطا در دوره تر که برابر با 19.1 و 6190 در فاز اموزش و امتحان در دوره مورد مطالعه است برآورد گردیدند. . نتایج حاصل از مقایسه معیار های ارزیابی دو مدل حاکی از آن است که مدل هوش مصنوعی شبکه پیش خور هوش مصنوعی از دقت و کارایی بیشتری نسب به مدل SWAT برخوردار است.

پیش بینی روان آب , میناب, هوش مصنوعی، شبکه پیش خور هوش مصنوعی ، SWAT