محمد غلامپور - استادیار مرکز تحقیقات کشاورزی و منابع طبیعی هرمزگان
مجید حسینی - دانشیار بژوهشکده 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 آب های 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 که در مناطق جنوبی کشور از قبیل میناب محل سد احداثی استقلال بارندگی به یک سوم میانگین کشوری می رسد. در تغییر اقلیم کنونی روند بارندگی ها در میناب نیز تغییر یافته و طول دوره خشکسال ها . افزایش یافته است. سیستم های بهره برداری استاندارد طراحی شده قبلی برای برآورد آب ورودی به مخازن سدها از قبیل 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 است. برای رسیدن به این هدف استفاده از مدل های فیزیکی و عددی در برآورد و پیش از ا همیت خاصی برخوردار است . لذا از دو مدل سوات SWAT و شبکه هوش مصنوعی برگشت به عقب FTDNN 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 مربعات خطا میانگین مربعات خطا میانگین ریشه انحراف معیار به ترتیب R,MAE, RMSE برای دو مدل مذکور در مقیاس ماهانه و سالانه بترتیب معادل 417 و 817 برای دو مدل مذکور در مقیاس ماهانه و سالانه بترتیب معادل مدل سوات در مقیاس ماهانه بوده است. دقت هوش مصنوعی به روش برگشت به عقب در لایه مخفی در مرحله آموزش و امتحان به کمترین خطا برابر با 126 و 34 به ترتیب رسیده است. نتایج حاصل از مقایسه معیار های ارزیابی دو مدل حاکی از آن است که مدل هوش مصنوعی FTDNN از دقت کارایی بیشتری نسب به مدل SWAT برخوردار است.

براورد روان آب ,میناب, شبکه هوش مصنوعی برگشت به عقب، SWAT