برآورد میزان رواناب با استفاده از مدل شبکه عصبی مصنوعی

مدلسازی بارش– رواناب یک فرآیند ضروری و پیچیده میباشد که در مدیریت و برنامه ریزی صحیح منابع آب نقش عمدهای دارد. مدلسازی این فرآیند با استفاده از روشهای مختلفی امکانپذیر است. از دیدگاه نظری، در مدلسازی یک سامانه میبایست روابط صریح بین متغیرهای ورودی و خروجی معلوم باشند. در حالیکه به علت معلوم نبودن روابط صریح بین متغیرها و عدم قطعیت های ذاتی آنها، استخراج چنین مدلی بسیار مشکل میباشد. بنابراین استفاده از روشهای داده محور که محاسبات را در شرایط غیردقیق انجام میدهند و کاربردهای فراوانی در مسائل شناسایی-کنترلی داشته اند، اجتنابناپذیر است. مدل شبکه عصبی مصنوعی (ANN) یکی از انواع این روشها میباشد. هدف این تحقیق بررسی کارآمدی مدل ANN در شبیه سازی فرآیند بارش– رواناب حوضه آبریز رودخانه کارده مشهد است. داده های مورد استفاده در این تحقیق، شامل رخدادهای بارش ساعتی به همراه دبی رواناب ساعتی متناظر هر رخداد طی یک دوره آماری پنج ساله است. برای ارزیابی کارایی مدل ANN، دادهای شبیهسازی شده و مشاهدهای مربوط دبی رواناب پیک مقایسه شدند. یافته های تحقیق نشان میدهد که مقدار معیار خطای جذر میانگین مربعات (RMSE) دبی رواناب پیک برآورد شده و مشاهداتی مدل ANN برابر 0/0203 و این بدان معناست که خروجی مدل ANN از دقت خوبی برخوردار است.

Keywords:

بارش , حوضه آبریز کارده , رودخانه کارده مشهد , مدلهای داده محور , مدل HEC-HMS